北京交通大学-图像处理与机器学习

更新日志

日期	项目
2022/03/04	更新实验环境配置视频P6，第八章后所有内容已同步更新！

---

名称	项目
课程主页	图像处理与机器学习
B站主页	啥都会一点的研究生
课程B站视频	【北交】图像处理与机器学习
人工智能技术探讨群1	78174903
人工智能技术探讨群2	571218304
人工智能技术探讨群3	584723646

---

课程目录及资料（UP已打包整理支持直链下载）

章节	内容	资料
第一章 绪论	1-1 基本概念 1-2 基本概念 （续） 1-3 图像直方图 实验一 图像显示 实验二 图像直方图	{1}–第一章绪论.zip
第二章 图像增强	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 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 实验三 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	{2}–第二章图像增强–空间域.zip {3}–第二章图像增强–频域.zip {4}–第二章图像增强实验.zip
第三章 图像形态学处理	3.2 形态学处理算法 3.3 图像形态学处理 应用 3.1 形态学 基本概念 实验七 图像形态学处理	{5}–第三章图像形态学处理.zip {6}–第三章图像形态学处理实验.zip
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	{7}–第四章图像分割.zip
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	{8}–第五章贝叶斯决策.zip
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	{9}–第六章人工神经网络.zip
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	{10}–第七章深度学习基础.zip
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）	{11}–第八章非监督学习.zip
第九章 应用实例	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	{12}–第九章应用实例.zip
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	{13}–大作业.zip
附录1 实验平台搭建设置 讲解 (enhance）	实验平台搭建设置 讲解	-
附录2 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）	{14}–附录2实验平台完整版（含所有算法代码）.zip