Martin Werner

Digitale Bildverarbeitung (eBook, PDF)

Grundkurs mit neuronalen Netzen und MATLAB®-Praktikum

• Format: PDF

Produktbeschreibung

Das Buch Digitale Bildverarbeitung gibt Einblicke in typische Methoden und Anwendungen. Es liefert eine solide Grundlage für die spätere fachliche Vertiefung. Dem einführenden Charakter entsprechend, steht exemplarisches, aktives Lernen an Beispielen und Übungen mit MATLAB^® im Vordergrund. Wiederholungsfragen und kurze Aufgaben mit vollständigen Lösungen sowie viele Programmbeispiele mit Online-Ressourcen unterstützen den Lernerfolg. Ein PC mit MATLAB^® und der Image Processing Toolbox wird vorausgesetzt.

Der Inhalt

Digitale Bilder . Helligkeit und Kontrast . Punkt- und Rangoperatoren . LSI-Systeme und lineare Filterung . Glättungsfilter, Rauschen und Verzerrungen . Kanten und Konturen . Kantenschärfen und Hough-Methode . Morphologische Transformationen . Fourier-Transformation für digitale Bilder . Filtern und Entzerren mit der 2-D-DFT . Künstliche Neuronen und Lernen . Flache neuronale Netze für die Klassifizierung . Lernen mit dem Backpropagation-Algorithmus . Neuronale Netze mit Faltungsschichten

Die Zielgruppen

• Studierende in Bachelor- und Masterstudiengängen in MINT-Fächern
• Wissenschaftler, Ingenieure und Praktiker aus dem MINT-Bereich, die ihre Kenntnisse auffrischen und erweitern wollen

Der Autor

Prof. Dr.-Ing. Martin Werner lehrt Nachrichtentechnik am Fachbereich Elektrotechnik und Informationstechnik der Hochschule Fulda.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Springer-Verlag GmbH
• Seitenzahl: 474
• Erscheinungstermin: 29. November 2020
• Deutsch
• ISBN-13: 9783658221850
• Artikelnr.: 60677432

Autorenporträt

Prof. Dr.-Ing. Martin Werner lehrt Nachrichtentechnik am Fachbereich Elektrotechnik und Informationstechnik der Hochschule Fulda.

Inhaltsangabe

Digitale Bilder.- Helligkeit und Kontrast.- Punkt- und Rangoperatoren.- LSI-Systeme und lineare Filterung.- Glättungsfilter, Rauschen und Verzerrungen.- Kanten und Konturen.- Kantenschärfen und Hough-Methode.- Morphologische Transformationen.- Fourier-Transformation für digitale Bilder.- Filtern und Entzerren mit der 2-D-DFT.- Künstliche Neuronen und Lernen.- Flache neuronale Netze für die Klassifizierung.- Lernen mit dem Backpropagation-Algorithmus.- Neuronale Netze mit Faltungsschichten