基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法
出版时间:
2020-06
版次:
1
ISBN:
9787568285520
定价:
69.80
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
179页
3人买过
-
《基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法》采用计算机图像处理技术对木材表面纹理分析与识别方法进行了讨论研究．系统地介绍了木材表面纹理分类识别研究现状、常用模式识别方法、图像纹理特征提取方法及新研究进展等内容。
《基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法》可以作为高职高专及本科院校电气自动化、信息技术等相关专业的教师和学生的参考用书，也可以作为相关科研人员、工程技术人员的学习和参考资料。 第1章 基于计算机图像处理技术木材表面纹理分类识别研究现状
1．1 计算机数字图像处理及其在木材科学领域的研究现状
1．1．1 计算机数字图像处理概述
1．1．2 计算机数字图像处理主要内容及其在木材科学领域的应用
1．2 计算机数字图像处理技术中的纹理分析研究现状
1．2．1 纹理的定义
1．2．2 纹理的研究方向
1．2．3 纹理的应用领域
1．3 木材表面纹理分类识别研究意义
1．4 木材表面纹理特征提取分析的常用方法及其研究现状
1．4．1 纹理的数学描述
1．4．2 统计分析法
1．4．3 结构分析法
1．4．4 模型分析法
1．4．5 基于频谱分析的方法
1．4．6 其他纹理分析方法
1．5 木材表面纹理分类的常用模式识别方法及其研究现状
1．5．1 模式和模式识别的概念
1．5．2 模式识别系统
1．5．3 模式识别方法
1．6 木材表面纹理样本库及其纹理特征
1．6．1 木材表面纹理样本库
1．6．2 木材表面纹理特点
第2章 基于计算机图像纹理特征木材表面纹理的分类与识别
2．1 常用模式识别方法概述
2．1．1 最近邻决策法
2．1．2 特征选择
2．1．3 模拟退火算法
2．1．4 基于模拟退火算法与最近邻分类器识别率的特征选择方法（SNFS）
2．1．5 遗传算法
2．1．6 基于遗传算法与最近邻分类器的特征选择方法(GNFS）
2．1．7 人工神经网络概述
2．1．8 BP神经网络分类器
2．1．9 概率神经网络分类器
2．2 基于灰度共生矩阵特征木材表面纹理的分类与识别
2．2．1 灰度共生矩阵
2．2．2 适于描述木材表面纹理构造因子生成步长d的确定
2．2．3 适于描述木材表面纹理构造因子图像灰度级g的确定
2．2．4 适于描述木材表面纹理构造因子生成方向璧娜范¨
2．2．5 木材表面纹理灰度共生矩阵特征参数的提取
2．2．6 基于参数间相关性分析木材表面纹理的分类识别
2．2．7 基于主分量分析(PCA）木材表面纹理的分类与识别
2．2．8 基于SNFS算法木材表面纹理的分类与识别
2．3 基于高斯-马尔可夫随机场(GMRF）木材表面纹理的分类与识别
2．3．1 马尔可夫随机场
2．3．2 高斯-马尔可夫(GMRF）随机场模型及其参数估计
2．3．3 基于高斯-马尔可夫随机场木材表面纹理特征的获取
2．3．4 基于GMRF木材表面纹理的分类与识别
2．4 基于小波变换分形维特征木材表面纹理的分类与识别
2．4．1 小波分析
2．4．2 计算机图像小波变换算法
2．4．3 小波基和分解层数的确定
2．4．4 木材表面纹理的分形特征分析
2．4．5 木材表面纹理的小波变换分形维数特征的提取
2．4．6 基于小波变换分形维木材表面纹理的分类与识别
2．5 基于多种特征融合技术木材表面纹理的分类与识别
2．5．1 多种特征数据融合概念
2．5．2 多特征融合木材表面纹理的分类与识别
2．6 木材表面纹理特征提取与分析MATLAB程序设计
2．6．1 计算机图像灰度共生矩阵纹理分析程序设计
2．6．2 计算机图像高斯-马尔可夫随机场纹理特征分析程序设计
2．6．3 计算机图像小波变换多分辨率分形维纹理特征分析程序设计
第3章 木材表面纹理分类识别研究的新进展
3．1 基于彩色图像分析木材表面纹理分类识别研究
3．2 基于高光谱成像技术的木材表面纹理分类识别研究
参考文献
-
内容简介:
《基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法》采用计算机图像处理技术对木材表面纹理分析与识别方法进行了讨论研究．系统地介绍了木材表面纹理分类识别研究现状、常用模式识别方法、图像纹理特征提取方法及新研究进展等内容。
《基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法》可以作为高职高专及本科院校电气自动化、信息技术等相关专业的教师和学生的参考用书，也可以作为相关科研人员、工程技术人员的学习和参考资料。
-
目录:
第1章 基于计算机图像处理技术木材表面纹理分类识别研究现状
1．1 计算机数字图像处理及其在木材科学领域的研究现状
1．1．1 计算机数字图像处理概述
1．1．2 计算机数字图像处理主要内容及其在木材科学领域的应用
1．2 计算机数字图像处理技术中的纹理分析研究现状
1．2．1 纹理的定义
1．2．2 纹理的研究方向
1．2．3 纹理的应用领域
1．3 木材表面纹理分类识别研究意义
1．4 木材表面纹理特征提取分析的常用方法及其研究现状
1．4．1 纹理的数学描述
1．4．2 统计分析法
1．4．3 结构分析法
1．4．4 模型分析法
1．4．5 基于频谱分析的方法
1．4．6 其他纹理分析方法
1．5 木材表面纹理分类的常用模式识别方法及其研究现状
1．5．1 模式和模式识别的概念
1．5．2 模式识别系统
1．5．3 模式识别方法
1．6 木材表面纹理样本库及其纹理特征
1．6．1 木材表面纹理样本库
1．6．2 木材表面纹理特点
第2章 基于计算机图像纹理特征木材表面纹理的分类与识别
2．1 常用模式识别方法概述
2．1．1 最近邻决策法
2．1．2 特征选择
2．1．3 模拟退火算法
2．1．4 基于模拟退火算法与最近邻分类器识别率的特征选择方法（SNFS）
2．1．5 遗传算法
2．1．6 基于遗传算法与最近邻分类器的特征选择方法(GNFS）
2．1．7 人工神经网络概述
2．1．8 BP神经网络分类器
2．1．9 概率神经网络分类器
2．2 基于灰度共生矩阵特征木材表面纹理的分类与识别
2．2．1 灰度共生矩阵
2．2．2 适于描述木材表面纹理构造因子生成步长d的确定
2．2．3 适于描述木材表面纹理构造因子图像灰度级g的确定
2．2．4 适于描述木材表面纹理构造因子生成方向璧娜范¨
2．2．5 木材表面纹理灰度共生矩阵特征参数的提取
2．2．6 基于参数间相关性分析木材表面纹理的分类识别
2．2．7 基于主分量分析(PCA）木材表面纹理的分类与识别
2．2．8 基于SNFS算法木材表面纹理的分类与识别
2．3 基于高斯-马尔可夫随机场(GMRF）木材表面纹理的分类与识别
2．3．1 马尔可夫随机场
2．3．2 高斯-马尔可夫(GMRF）随机场模型及其参数估计
2．3．3 基于高斯-马尔可夫随机场木材表面纹理特征的获取
2．3．4 基于GMRF木材表面纹理的分类与识别
2．4 基于小波变换分形维特征木材表面纹理的分类与识别
2．4．1 小波分析
2．4．2 计算机图像小波变换算法
2．4．3 小波基和分解层数的确定
2．4．4 木材表面纹理的分形特征分析
2．4．5 木材表面纹理的小波变换分形维数特征的提取
2．4．6 基于小波变换分形维木材表面纹理的分类与识别
2．5 基于多种特征融合技术木材表面纹理的分类与识别
2．5．1 多种特征数据融合概念
2．5．2 多特征融合木材表面纹理的分类与识别
2．6 木材表面纹理特征提取与分析MATLAB程序设计
2．6．1 计算机图像灰度共生矩阵纹理分析程序设计
2．6．2 计算机图像高斯-马尔可夫随机场纹理特征分析程序设计
2．6．3 计算机图像小波变换多分辨率分形维纹理特征分析程序设计
第3章 木材表面纹理分类识别研究的新进展
3．1 基于彩色图像分析木材表面纹理分类识别研究
3．2 基于高光谱成像技术的木材表面纹理分类识别研究
参考文献
查看详情
-
全新
北京市朝阳区
平均发货18小时
成功完成率86.87%
-
全新
河北省保定市
平均发货29小时
成功完成率85.71%
-
全新
河北省保定市
平均发货14小时
成功完成率82.69%
-
九品
北京市东城区
平均发货24小时
成功完成率87.7%
-
全新
北京市朝阳区
平均发货18小时
成功完成率94.94%
-
全新
-
全新
山东省济宁市
平均发货68小时
成功完成率81.11%
-
全新
河北省保定市
平均发货25小时
成功完成率89.59%
-
全新
河北省廊坊市
平均发货22小时
成功完成率86.03%
-
全新
河北省保定市
平均发货17小时
成功完成率86.16%
-
全新
天津市津南区
平均发货13小时
成功完成率94.41%
-
全新
北京市通州区
平均发货17小时
成功完成率94.54%
-
全新
江苏省无锡市
平均发货18小时
成功完成率94.49%
-
全新
浙江省嘉兴市
平均发货10小时
成功完成率94.04%
-
全新
广东省广州市
平均发货8小时
成功完成率94.8%
-
全新
广东省广州市
平均发货19小时
成功完成率88.15%
-
全新
北京市西城区
平均发货28小时
成功完成率88.57%
-
全新
北京市通州区
平均发货10小时
成功完成率88.04%
-
九品
北京市昌平区
平均发货23小时
成功完成率86.24%
-
全新
江苏省南京市
平均发货16小时
成功完成率82.88%
-
全新
江苏省无锡市
平均发货18小时
成功完成率87.3%
-
全新
河北省保定市
平均发货37小时
成功完成率86.77%
-
全新
河北省保定市
平均发货25小时
成功完成率84.74%
-
全新
河北省保定市
平均发货27小时
成功完成率83.83%
-
全新
江苏省宿迁市
平均发货25小时
成功完成率87.95%
-
全新
山东省泰安市
平均发货8小时
成功完成率93.13%
-
全新
北京市通州区
平均发货9小时
成功完成率89.05%
-
全新
北京市朝阳区
平均发货20小时
成功完成率82.87%
-
全新
北京市丰台区
平均发货8小时
成功完成率90.48%
-
全新
上海市黄浦区
平均发货11小时
成功完成率94.52%
-
全新
北京市朝阳区
平均发货20小时
成功完成率84.77%
-
全新
山东省泰安市
平均发货23小时
成功完成率85.78%
-
全新
山东省泰安市
平均发货8小时
成功完成率87.31%
-
全新
北京市朝阳区
平均发货14小时
成功完成率84.88%
-
全新
北京市海淀区
平均发货11小时
成功完成率93.22%
-
全新
广东省广州市
平均发货16小时
成功完成率87.85%
-
全新
河北省保定市
平均发货15小时
成功完成率82.47%
-
全新
河北省保定市
平均发货26小时
成功完成率84.9%
-
全新
北京市房山区
平均发货13小时
成功完成率90.49%
-
全新
广东省广州市
平均发货9小时
成功完成率86.98%
-
全新
-
全新
北京市通州区
平均发货4天内
成功完成率57.14%
-
全新
河北省保定市
平均发货35小时
成功完成率60.75%
-
全新
河北省沧州市
平均发货13小时
成功完成率67.89%
-
全新
北京市丰台区
平均发货14小时
成功完成率80.93%
-
全新
山东省泰安市
平均发货42小时
成功完成率54.29%
-
全新
河北省保定市
平均发货6天内
成功完成率87.5%
占位居中
