寫作時間：
2020-11-29
標題：
《001_推薦一本好書，再說點最開始的話》
目錄：
1.發現一本數字影像與視頻處理方面的好書
2.該書的研究內容
3.該書的內容結構
-3.1 PART1 基本概念
-3.2 PART2 影像處理進展
-3.3 PART3 視頻處理進展
正文：
1.發現一本好書
最近在讀**《Advanced Image and Video Processing Using MATLAB》**，2018年左右，很新，感覺非常棒，中國人寫的，但是我只搞到了英文版，英文版就英文版唄，邊翻譯邊學習唄~
2.該書的研究內容
書名Advanced Image and Video Processing Using MATLAB即就是研究內容“使用MATLAB進行高級影像與視頻處理”，演算法思想是關鍵是核心，演算法是本書的內涵，MATLAB代碼是本書演算法的外化與工程表達工具，二者相輔相成，缺一不可，
那么，數字影像與視頻處理研究什么內容呢？
主要致力于信號處理的研究，例如：影像對比度調整，影像編碼，影像去噪和濾波，
隨著人工智能和深度學習的興起，數字影像處理正變得越來越深入與先進，人們開始研究使用三種技術來模擬人類的視覺，觀察，理解以及解釋現實世界：影像分割，影像分析，影像理解，
a）影像分割
為了提取特征（例如邊緣和區域）以進行影像分析，識別，和理解，
b)影像分析
使用數學模型和影像處理技術從基礎特征及其關系中提取智能資訊，
影像分析和影像處理密切相關，盡管可能存在一定程度的重疊，但是它們在本質上是不同的，因此，影像分析與模式識別和計算機視覺，它通常用于通過一些數學模型來分析基礎特征和上層建筑，
影像分析的研究主要集中在基于內容的影像檢索，面部識別，情感識別，光學字符識別，手寫識別，生物醫學影像分析，視頻物件提取，
3)影像理解
通過研究屬性來進一步理解含義和場景說明與特征和物件的關系，
影像理解的物件是描述中的符號；這個程序類似于人的大腦，
對應于影像分析，視頻分析是使用計算機視覺技術來分析監控攝像機的視頻幀，它還可以過濾背景，例如風，雨，雪，落葉，鳥類和浮旗，
所謂的復雜背景下的物件跟蹤，由于存在不同的錯覺，運動，遮擋，顏色和復雜的背景，因此增加了物件檢測和跟蹤演算法設計的難度，
影像和視頻分析的步驟主要包括分割，分類和解釋，
分類程序通常通過SIFT和LBP提取特征，通過使用深度學習技術，人們開始使用深度學習通過自動提取功能進行影像分類，場景分類和行為分析，
與其他基于MATLAB的基礎教科書的區別：
我們寫這本書的目的是介紹影像和視頻處理中的高級應用程式，我們認為，這本書與其他基于MATLAB的基礎教科書不同，后者僅介紹了基本功能，例如影像的變換，增強，恢復，編碼和調整大小，
本書著重介紹了影像去霧校正，影像去水校正，影像拼接，影像水印，視覺目標識別，運動目標跟蹤，動態場景分類，行人重新識別，具有深度學習的行為分析等高級應用，
3.該書的內容結構*
這本書分為三個部分：
3.1 PART1 基本概念
1個part分為幾個chapter
第1章：
簡要介紹了基本原理，包括分析技術：場景分割，特征描述和物件識別， 也是一些有關高級應用程式示例的摘要，例如影像融合，影像修復，影像拼接，影像水印，物件跟蹤和行人重新識別，
第2章：
介紹了用于影像和視頻的MATLAB工具箱，
第3章：
介紹了閾值的影像和視頻分割方法，基于區域的偏微分方程，聚類，圖論和累積，基于差異的運動區域提取，
第4章：
介紹了特征提取和表示，其中包括：哈里斯角點檢測，SUSAN邊緣檢測，點特征檢測演算法
SIFT和SURF，
3.2 PART2 影像處理的進展
這部分包括影像處理技術，例如影像校正，影像修復，影像融合，影像拼接，影像水印，
第5章：
首先介紹了三種用于影像降噪和模糊功能的濾波器，然后，主要介紹了影像去霧，影像校正技術，水印和文本影像功能校正，
第6章：
介紹了影像恢復術，包括原理，結構，演算法和一些示例代碼，
第7章：
影像融合，首先介紹融合型別及其方案，然后再提及一個非常重要的方法：用于影像融合的小波變換，最后，它討論了客觀和主觀的影像融合評估，
第8章：
影像拼接，例如基于區域的，基于特征和特征點的方法， SIFT和Harris角點檢測本，
第9章：
簡要介紹了三種不同的變換影像水印它們是基于空間域，基于DCT和基于DWT的水印技術，
第10章：
介紹了物件識別技術，包括人臉識別，面部表情以及影像到字符的提取和識別，
3.3 PART3 視頻處理的進展
第11-14章主要介紹了運動物件跟蹤，基于TMBP的動態場景分類，基于LDA主題模型的行為識別，基于度量學習的人員識別，嘴唇識別的視頻處理技術，基于深度學習模型的實體，以及用于事件識別的深度CNN架構，
第11章：
介紹了使用高斯混合模型進行背景檢測以及使用RANSAC進行特征點跟蹤的物件跟蹤技術，進一步擴展了均值漂移目標跟蹤演算法，
第12章：
介紹了動態場景分類，并討論了用于分類的TMBP和LDA模型，
第13章：
介紹了使用影像理解技術的人員重新識別方法，
第14章：
介紹了影像和視頻理解的深度學習，
其他：
為了方便讀者評估演算法的性能，我們還在附錄中給出了常見的評估標準，
THE END~
我會定期更新內容，爭取用一年的時間把這本書看完，對自己感興趣的內容徹底搞懂吃透，
宣告：
本系列專欄僅為個人學習筆記，并非全文翻譯，只做拋磚引玉，更多知識還是希望看英文原版書籍，不用于商業目的，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/233129.html
標籤：其他
上一篇：遺傳演算法詳解與改良遺傳演算法