- Hauptmenü-

Kategorienanzeige

MAB

Digitale Bildverarbeitung: Grundkurs mit neuronalen Netzen und MATLAB®-Praktikum
Kategorie	Beschreibung
036a	XA-DE
037b	ger
087q	978-3-658-22184-3
100	Werner, Martin ¬[VerfasserIn]¬
331	Digitale Bildverarbeitung
335	Grundkurs mit neuronalen Netzen und MATLAB®-Praktikum
410	Wiesbaden
412	Springer Vieweg
425	[2021]
425a	2021
433	1 Online-Ressource (XIII, 474 Seiten) : Illustrationen, Diagramme
451b	Springer eBook Collection
527	Erscheint auch als (Druck-Ausgabe)ISBN: 978-3-658-22184-3
540a	ISBN 978-3-658-22185-0
700	\|TTBM
700	\|TEC008000
700b	\|621.382
700g	1270945688 ST 320
750	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.
753	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.
902s	208866582 Bildverarbeitung
902s	210311614 Neuronales Netz
902s	211297240 MATLAB
012	1741577284
081	Digitale Bildverarbeitung
100	Springer E-Book
125a	Elektronischer Volltext - Campuslizenz
655e	$uhttps://doi.org/10.1007/978-3-658-22185-0