|
|
|
|
LEADER |
03016nmm a2200313 u 4500 |
001 |
EB001904810 |
003 |
EBX01000000000000001067716 |
005 |
00000000000000.0 |
007 |
cr||||||||||||||||||||| |
008 |
201208 ||| ger |
020 |
|
|
|a 9783658221850
|
100 |
1 |
|
|a Werner, Martin
|
245 |
0 |
0 |
|a Digitale Bildverarbeitung
|h Elektronische Ressource
|b Grundkurs mit neuronalen Netzen und MATLAB®-Praktikum
|c von Martin Werner
|
250 |
|
|
|a 1st ed. 2021
|
260 |
|
|
|a Wiesbaden
|b Springer Fachmedien Wiesbaden
|c 2021, 2021
|
300 |
|
|
|a XIII, 474 S. 200 Abb., 117 Abb. in Farbe
|b online resource
|
505 |
0 |
|
|a 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
|
653 |
|
|
|a Electronics and Microelectronics, Instrumentation
|
653 |
|
|
|a Signal, Speech and Image Processing
|
653 |
|
|
|a Telecommunication
|
653 |
|
|
|a Communications Engineering, Networks
|
653 |
|
|
|a Electronics
|
653 |
|
|
|a Signal processing
|
041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
989 |
|
|
|b Springer
|a Springer eBooks 2005-
|
028 |
5 |
0 |
|a 10.1007/978-3-658-22185-0
|
856 |
4 |
0 |
|u https://doi.org/10.1007/978-3-658-22185-0?nosfx=y
|x Verlag
|3 Volltext
|
082 |
0 |
|
|a 621,382
|
520 |
|
|
|a 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
|