北交大《圖像處理與機器學習》免費視頻課 [PDF(原始碼)和相關都已經放到GITHUB]

資料來源: https://mp.weixin.qq.com/s/F1rXY8bHvN_aDVFSp0DEtw

https://www.icourse163.org/course/NJTU-1462091162

完整圖文:

文字重點摘要:

【1】觀看地址->B站直接搜：圖像處理與機器學習(图像处理与机器学习)

課程目錄：
第一章 緒論

緒論

1-1 基本概念

1-2 基本概念（續）

1-3 圖像直方圖

第一章討論

課程實驗平台及實驗圖像

實驗一圖像顯示

實驗二圖像直方圖

第二章圖像增強– 空間域

2.1 引言

2.2 灰度變換

2.3 直方圖均衡

2.4 代數運算

2.5 空間域濾波低通

2.6 空間域濾波中值濾波

2.7 空間域濾波高通

圖像增強空間域討論

圖像增強 空間域 作業

第二章圖像增強– 頻域

2.8 二維傅里葉變換定義

2.9 二維傅里葉變換性質

2.10 頻域濾波低通

2.11 頻域濾波高通

2.12 頻域濾波同態濾波

第二章圖像增強– 頻域討論

圖像增強頻域作業

第二章圖像增強實驗

實驗三圖像直方圖均衡

實驗四 均值/高斯低通濾波

實驗五中值濾波

實驗六圖像邊緣提取

第三章圖像形態學處理

3.1 形態學基本概念

3.2 形態學處理算法

3.3 圖像形態學處理應用

圖像形態學處理作業

第三章圖像形態學處理實驗

實驗七 圖像形態學處理

第四章圖像分割

4.1 圖像分割引言

4.2 基於閾值的分割算法

4.3 基於邊緣的分割算法

4.4 霍夫變換

4.5 基於區域的分割算法

圖像分割作業

第五章貝葉斯決策

5.1 人工智能簡介

5.2 機器學習引言

5.3 貝葉斯公式

5.4 貝葉斯決策– 最小錯誤率決策

5.5 貝葉斯決策– 最小風險決策

5.6 判別函數（上）

5.7 判別函數（下）

5.8 概率密度估計– 參數法

5.9 概率密度估計– 非參數法

第六章人工神經網絡

6.1 人工神經網絡引言

6.2 單層神經網絡

6.3 多層神經網絡

第七章深度學習基礎

7.1 引言

7.2 卷積神經網絡

7.3 深度學習網絡

第八章 非監督學習

8.1 聚類算法

8.2 主成份分析（上）

8.3 主成份分析（下）

第九章 應用實例

9.3 基於群智感知的PM2.5精細粒度檢測

9.1 複雜背景下的人臉檢測算法

9.2 基於深度學習的車輛檢測算法

大作業

大作業（上） 車牌檢測與字符分割

大作業（下） 車牌字符識別

附錄實驗平台完整版（含所有算法代碼）

實驗平台完整版（含所有算法代碼）

【3】課件與源碼下載：
鏈接：https://pan.baidu.com/s/132CXNJ3xLMI_VnGdfKXq6A

提取碼：1arc

第一章  绪论

绪论

1-1 基本概念

1-2 基本概念 （续）

1-3 图像直方图

第一章 讨论

课程实验平台及实验图像

实验一 图像显示

实验二 图像直方图

第二章 图像增强 — 空间域

2.1  引言

2.2 灰度变换

2.3 直方图均衡

2.4 代数运算

2.5 空间域滤波 低通

2.6 空间域滤波 中值滤波

2.7 空间域滤波 高通

图像增强 空间域 讨论

图像增强  空间域  作业

第二章 图像增强 — 频域

2.8 二维傅里叶变换 定义

2.9  二维傅里叶变换 性质

2.10 频域滤波 低通

2.11 频域滤波 高通

2.12 频域滤波 同态滤波

第二章 图像增强 — 频域 讨论

图像增强 频域 作业

第二章 图像增强 实验

实验三 图像直方图均衡

实验四  均值/高斯低通滤波

实验五 中值滤波

实验六 图像边缘提取

第三章 图像形态学处理

3.1 形态学 基本概念

3.2 形态学处理算法

3.3 图像形态学处理 应用

图像形态学处理 作业

第三章 图像形态学处理 实验

实验七  图像形态学处理

第四章 图像分割

4.1 图像分割 引言

4.2 基于阈值的分割算法

4.3 基于边缘的分割算法

4.4 霍夫变换

4.5 基于区域的分割算法

图像分割作业

第五章 贝叶斯决策

5.1 人工智能 简介

5.2 机器学习 引言

5.3 贝叶斯公式

5.4 贝叶斯决策 — 最小错误率决策

5.5 贝叶斯决策 — 最小风险决策

5.6 判别函数 （上）

5.7 判别函数 （下）

5.8 概率密度估计 — 参数法

5.9 概率密度估计 — 非参数法

第六章 人工神经网络

6.1 人工神经网络 引言

6.2 单层神经网络

6.3 多层神经网络

第七章 深度学习基础

7.1 引言

7.2 卷积神经网络

7.3 深度学习网络

第八章  非监督学习

8.1 聚类算法

8.2 主成份分析 （上）

8.3 主成份分析 （下）

第九章  应用实例

9.3 基于群智感知的PM2.5精细粒度检测

9.1 复杂背景下的人脸检测算法

9.2 基于深度学习的车辆检测算法

大作业

大作业 （上） 车牌检测与字符分割

大作业（下） 车牌字符识别

附录 实验平台完整版（含所有算法代码）

实验平台完整版（含所有算法代码）