1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費推薦就業(yè)機會。

圖像處理和識別培訓(xùn)大綱

一 數(shù)字圖像基礎(chǔ)

1.1 什么是數(shù)字圖像？

1.2 圖像感知和獲取

1.3 圖像的表達(dá)

1.4 圖像處理的基本步驟

1.5 圖像處理的應(yīng)用實例

二 空間域圖像增強

2.1為什么進(jìn)行圖像增強

2.2 灰度直方圖處理

2.3 平滑空域濾波器

2.4 銳化空域濾波器

2.5 混合空間濾波器

2.6 空間域濾波的應(yīng)用案例

三 頻域圖像增強

3.1 圖像傅里葉變換

3.2 平滑頻域濾波器

3.3 銳化頻域濾波器

3.4 同態(tài)濾波器

3.5 頻域濾波的應(yīng)用案例

四 小波變換和多分辨率處理

4.1 圖像金字塔

4.2 多分辨率展開

4.3 一維小波變換

4.4 二維小波變換

4.5 小波變換的應(yīng)用案例

五 形態(tài)學(xué)圖像處理

5.1 圖像的膨脹與腐蝕

5.2 圖像的開操作與閉操作

5.3 形態(tài)學(xué)算法提取圖像特征

5.4 形態(tài)學(xué)算法提取圖像特征的應(yīng)用案例

六 圖像分割

6.1 間斷檢測

6.2 邊緣頰側(cè)和邊界檢測

6.3 基于區(qū)域的分割

6.4 基于聚類的分割

6.5 圖像分割在目標(biāo)追蹤中的應(yīng)用案例

七 圖像特征提取、描述與融合

7.1 圖像的基本特征

7.2 圖像紋理特征提取與分析

7.2 圖像特征描述子

7.3 SIFT特征提取與描述

7.4 邊界特征的提取與描述

7.5 圖像特征的融合

7.6 SIFT圖像特征的應(yīng)用案例

八 圖像識別

8.1 模式與模式識別

8.2 圖像匹配

8.3 目標(biāo)識別

8.4 目標(biāo)識別中的反饋機制

8.5 圖像識別的應(yīng)用案例

九 深度學(xué)習(xí)在圖像處理中的應(yīng)用

9.1 人工神經(jīng)網(wǎng)絡(luò)的基本實現(xiàn)

9.2 深度學(xué)習(xí)的簡介

9.3 深度學(xué)習(xí)與圖像匹配的結(jié)合

9.4 深度學(xué)習(xí)與目標(biāo)識別的結(jié)合

9.5 深度學(xué)習(xí)在圖像處理中的應(yīng)用案例