.jpg)
本书配套授课电子课件、教学大纲和习题答案，可在本页面注册审核后下载。书中涉及的源代码可以在www.GitHub.com下载，严格按照相关环境配置说明就可运行。配套的“习题答案”可联系微信jinaqing_candy或发邮件jinacmp@163.com索取（注明姓名、学校等信息）。
本书详细介绍了图像处理的定义与图像处理技术的发展过程，阐述了图像处理的工作原理，涵盖了图像数字化、预处理、特征提取、分割、识别与分类等核心步骤；深入探讨了图像存储与变换技术，以及卷积神经网络在图像处理中的应用，为读者构建起坚实的理论基础；聚焦于图像去噪与增强技术，讲解了多种传统与基于深度学习的方法，如空间滤波、频域滤波以及DnCNN、Deep Bilateral Learning等前沿算法；细致剖析了图像超分辨率重建技术，包括传统方法与基于深度学习的解决方案，如SRCNN、ESPCN和RCAN等。在图像分类技术章节，对比了传统方法与深度学习方法的优劣，同时介绍了经典数据集，为读者提供实践的基准。在图像分割与目标检测技术章节，涵盖了从边缘检测到区域分割，再到基于深度学习的现代方法，如FCN、U-Net、YOLO、R-CNN等。本书最后一章通过一系列精选的图像处理技术应用案例，如红外小目标检测、水下图像增强、人体动作识别、多模态脑部肿瘤图像分割等，展现了图像处理技术在医学、工业、安全等多个领域的实际价值。 本书可作为普通高校机器人工程、自动化、电子科学与技术、计算机科学与技术、物联网工程等专业的数字图像处理、计算机视觉原理等课程的教材，也可供图像处理、机器人视觉、机器人自主导航、人工智能等研究方向的研究生学习参考。 本书配有电子课件、教学大纲和习题答案等教学资源，选用本书作教材的教师可登录www.cmpedu.com注册后下载，或发邮件至jinacmp@l63.com索取。
