《智能图像处理》课件

课程目标与学习要求目标要求图论认习课内验掌握像处理的基本理和方法真学程容，完成作业和实图术趋势积课讨论问题寻了解智能像处理的技发展极参与堂，提出并求解决方法图术问题具备运用像处理技解决实际的能力图像处理的发展历程1960s-1970s1图术诞早期像处理技生领主要用于航空航天等域1980s-1990s2数图术字像处理技发展迅速应遥领用于医学、感等域至今2000s3图术智能像处理技兴起习习融合机器学和深度学传统图像处理智能图像处理vs传统图像处理智能图像处理规则图习习基于和算法的像处理利用机器学和深度学赖习图依人工特征提取自动学像特征对数据变化敏感数字图像基础知识图像的数字化1像素与分辨率2采样与量化3图像文件格式45图像的数字化过程采样将连续图转换为数的像信号离散的字信号量化像素与分辨率像素图单图像的基本元，代表像中的一个点分辨率图像的采样与量化采样量化对图进在空间上像行离散化，以确定像素的位置图像文件格式介绍JPEG1压缩质损率高，量略有失PNG2损压缩细节图无，适合保存丰富的像BMP3损压缩积较无，文件体大GIF色彩空间与色彩模型色彩空间色彩模型颜颜定义色的一种方法，包含一系在色彩空间中表示色的方法，颜列色值例如RGB模型色彩模型RGB2绿色红色1蓝色3色彩模型HSV色调饱和度亮度H SV颜红绿蓝颜纯颜鲜艳颜指色的类型，例如色、色、指色的度，即色的程度指色的明暗程度色图像增强技术概述直方图均衡化空间域滤波频率域滤波图像去噪直方图均衡化图图原始像均衡化后像空间域滤波均值滤波中值滤波高斯滤波图盐图缘细节平滑像，去除噪声去除椒噪声平滑像，保留边频率域滤波12傅里叶变换滤波器3逆傅里叶变换图像去噪方法中值滤波高斯滤波盐适用于去除椒噪声适用于去除高斯噪声维纳滤波适用于去除有色噪声中值滤波原理与应用高斯滤波原理与应用边缘检测基础边缘定义1图剧像灰度值发生急变化的地方边缘检测目的2图提取像中的轮廓和边界信息边缘检测方法3Sobel算子、Canny算子等算子Sobel原理应用积对图进积检测图缘使用两个卷核像行卷运算用于像中的水平和垂直边边缘检测Canny图像分割技术阈值分割1区域生长算法2分水岭分割3阈值分割方法简单阈值分割自适应阈值分割预阈将图为图区进阈选择根据设值像分两部分根据像局部域的灰度值行值区域生长算法分水岭分割机器学习在图像处理中的应用监督学习无监督学习深度学习标记训练数标记训练数层络进根据已的根据未的利用多神经网进习进习习据行学据行学行特征学监督学习基础12训练数据模型训练3模型评估无监督学习基础1数据聚类2降维深度学习概述神经网络特征学习深度模型脑结习数层络组模仿人的神经构自动学据中的特征多神经网的合卷积神经网络基础卷积层图提取像的局部特征池化层图减少特征的尺寸全连接层将别特征向量映射到输出类的结构与原理CNN典型架构介绍CNNLeNet1写数识别早期CNN架构，用于手字AlexNet2竞赛第一个在ImageNet中取得突破的模型网络VGG3络结使用更深的网构，提高了精度网络ResNet4层络问题解决了深网的梯度消失架构解析LeNet架构解析AlexNet网络架构VGG网络架构ResNet目标检测技术系列算法算法R-CNN YOLO区议络标将标检测为归问题使用域建网提取目目视回区域算法SSD图进标检测使用多尺度特征行目系列算法R-CNN算法原理YOLO算法原理SSD图像分类技术训练数据分类模型模型评估标记图数习测试评大量已的像据CNN等深度学模型使用集估模型的准确率迁移学习应用123预训练模型微调新任务图像分割的深度学习方法网络结构U-Net图用于医学像分割Mask R-CNN结标检测合目和实例分割网络结构U-Net原理Mask R-CNN生成对抗网络GAN生成器判别器图数断图生成新的像据判生成的像是否真实风格迁移应用图像超分辨率重建图像修复技术人脸识别技术人脸检测1人脸特征提取2人脸对齐3人脸识别4人脸检测方法特征Haar缘纹基于边和理特征深度学习进脸检测使用CNN行人人脸特征提取人脸对齐技术库的使用OpenCV12图像读取图像处理3图像显示基础TensorFlow运算图Tensor维数组数计多，用于表示据用于描述算流程会话执图用于行运算基础PyTorch张量自动求导维数组数计多，用于表示据自动算梯度神经网络模型训练用于构建和模型实际案例分析医学图像处理应用领域技术挑战案例介绍诊断术规图质数隐图疾病、手划等像量、据私等CT、MRI像分析实际案例分析工业视觉检测应用领域技术挑战案例介绍产检测产过标挡检测品缺陷、生程控制等光照变化、目遮等PCB板缺陷实际案例分析安防监控应用领域技术挑战案例介绍脸识别为时频监人、行分析等实性、准确率等视控系统。