画像処理と画像認識
書籍情報
発売日 : 2022年10月06日
著者／編集 : 山田 宏尚/末松 良一
出版社 : コロナ社
発行形態 : 単行本
書籍説明
内容紹介
画像処理で扱われる信号処理，画像処理手法，画像計測，グラフィックスに加えて，画像認識，機械学習，深層学習といった幅広い領域のトピックを入門的に扱いながら，バランスよく配分し，基礎事項を体系的に学べるように構成。
目次
☆発行前情報のため，一部変更となる場合がございます
1. 序論
1.1 人間の視覚機能
1.2 画像と画像処理
1.3 ビジョンシステム
1.4 AIと画像処理
演習問題
2. 画像の表現
2.1 アナログ画像とディジタル画像
2.2 画像のA―D変換
2.2.1 標本化
2.2.2 量子化
2.3 A―D変換と画質との関係
2.4 カラー画像の表現
2.4.1 人間の視覚とカラー画像
2.4.2 色の表現法
2.4.3 カラー画像のディジタル化
2.5 画像データの表現
2.5.1 画像データの表現方式
2.5.2 インデックス方式による画像表現
2.5.3 画像のファイル形式
演習問題
3. 画像処理システム
3.1 画像処理システムの構成例
3.1.1 コンピュータを用いた画像処理システム
3.1.2 画像処理プログラムにおける高速化のための留意点
3.1.3 専用ハードウェアによる画像処理装置
3.2 画像の入出力装置
3.2.1 画像の入力装置
3.2.2 画像の出力装置
演習問題
4. 画像情報処理
4.1 画像のフーリエ変換
4.1.1 空間周波数
4.1.2 複素正弦波信号
4.1.3 フーリエ変換
4.1.4 離散フーリエ変換
4.1.5 高速フーリエ変換
【コラム1】直交変換と直交基底
4.1.6 直交変換
【コラム2】直交変換とDFT
4.1.7 その他の直交変換
4.2 標本化定理
4.3 フィルタ処理
4.3.1 周波数領域でのフィルタ処理
【コラム3】FIRフィルタとIIRフィルタ
4.3.2 空間領域でのフィルタ処理
【コラム4】畳み込みの意味と線形時不変フィルタ
4.3.3 フィルタの設計
4.3.4 オペレータによるフィルタ処理
【コラム5】局所処理と大局処理
4.4 画像データの圧縮
4.4.1 可逆符号化
4.4.2 不可逆符号化
4.4.3 動画像の符号化
4.4.4 標準化された符号化技術
【コラム6】JPEG非可逆圧縮の特徴
演習問題
5. 濃淡画像処理
5.1 濃度変換
5.1.1 コントラスト変換関数を用いた濃度変換
【コラム7】ガンマ補正による濃度変換
5.1.2 ヒストグラム変換
5.1.3 隣接する画素との濃度差の強調
5.2 平滑化
5.2.1 線形フィルタによる平滑化
5.2.2 エッジを保存した平滑化
5.3 鮮鋭化
【コラム8】画像超解像
5.4 エッジ線の検出
5.4.1 差分型によるエッジ検出
5.4.2 零交差法によるエッジ検出
5.4.3 レンジフィルタ
5.4.4 Cannyエッジ検出器
5.5 画像表示のための処理
5.5.1 限定色表示
5.5.2 疑似濃淡表示
5.6 幾何学的変換
5.6.1 アフィン変換
5.6.2 疑似アフィン変換
5.6.3 画像の再配列と内挿
5.6.4 圧縮された画像データからの拡大縮小
演習問題
6. 2値画像処理
6.1 2値化処理
6.2 連結性と幾何学的性質
6.2.1 連結と近傍
6.2.2 幾何学的性質
6.3 2値画像に対する処理
6.3.1 ラベリング
6.3.2 膨張収縮処理
6.3.3 線点図形化処理
6.3 図形の形状特徴
演習問題
7. コンピュータグラフィックス
7.12 次元グラフィックス
7.1.1 線図形の描画
7.1.2 面の生成と処理
7.1.3 アンチエリアシング
7.2 3次元グラフィックス
7.2.1 3次元図形の幾何学的変換
7.2.2 モデリング
7.2.3 レンダリング
【コラム9】CGと画像処理技術の融合
演習問題
8. 領域分割
8.1 原画像中のエッジを用いる方法
8.2 領域拡張法
8.3 特徴空間におけるクラスタリングを用いた方法
8.4 テクスチャ解析
8.5 グラフカット法
8.6 深層学習を用いた領域分割
演習問題
9. 特徴パターンの検出
9.1 テンプレートマッチング
9.2 局所特徴
9.2.1 Harrisのコーナの検出
9.2.2 FASTによるコーナ検出
9.2.3 Blobの検出
9.2.4 SIFT
9.2.5 HOG
【コラム10】さまざまな記述子
9.2.6 Bag-of-VisualWords
演習問題
10. 画像認識
10.1 画像認識のタスクとプロセス
10.2 ルールベースに基づく画像認識
10.3 統計的パターン認識
10.3.1 特徴空間
10.3.2 パターンの識別
【コラム11】訓練データの前処理
10.3.3 クラスタリング
【コラム12】遺伝的アルゴリズム
演習問題
11. ニューラルネットワークと深層学習
11.1 ニューラルネットワーク
11.2 深層学習
11.2.1 活性化関数の改良
11.2.2 ドロップアウト
11.2.3 訓練データと学習手順
【コラム13】訓練データの作成
11.2.4 転移学習とファインチューニング
11.3 畳み込みニューラルネットワーク
11.3.1 畳み込み層
11.3.2 プーリング層
11.3.3 出力層
11.3.4 CNNの応用
【コラム14】CNNのネットワークモデル
11.4 オートエンコーダ
11.5 敵対的生成ネットワーク
演習問題
12. 3次元画像処理
12.1 3次元空間の計測と認識
12.2 1枚の画像を用いた3次元認識
12.2.1 テクスチャによる方法
12.2.2 陰影による方法
12.2.3 その他の方法
12.3 複数の画像を用いた3次元認識
12.3.1 カメラモデルとキャリブレーション
12.3.2 ステレオ画像処理
12.4 レンジファインダ
【コラム15】3次元データ処理を行うソフトウェア
12.5 3次元形状の復元
演習問題
13. 動画像処理
13.1 オプティカルフローの抽出
13.1.1 照合法
13.1.2 時空間勾配法
13.2 差分画像を利用する方法
13.3 動画像を用いた行動認識
13.3.1 従来の機械学習を用いた方法
13.3.2 深層学習を用いた方法
13.3.3 RNNとLSTM
13.4 動画像を用いた3次元復元
演習問題
14. 画像処理の応用
14.1 産業応用
14.1.1 組立工程
14.1.2 検査工程
【コラム16】従来の機械学習と深層学習
14.2 医療用画像処理
14.2.1 CT
14.2.2 細胞診の自動化
14.2.3 深層学習による画像診断支援
【コラム17】説明可能なAI とネットワークの可視化
14.3 文字認識
14.3.1 印刷文字認識
14.3.2 手書き文字認識
14.3.3 深層学習を用いた文字認識
14.4 顔の認証
【コラム18】オープンソースの活用
演習問題
引用参考文献
演習問題の解答
索引
1. 序論
1.1 人間の視覚機能
1.2 画像と画像処理
1.3 ビジョンシステム
1.4 AIと画像処理
演習問題
2. 画像の表現
2.1 アナログ画像とディジタル画像
2.2 画像のA―D変換
2.2.1 標本化
2.2.2 量子化
2.3 A―D変換と画質との関係
2.4 カラー画像の表現
2.4.1 人間の視覚とカラー画像
2.4.2 色の表現法
2.4.3 カラー画像のディジタル化
2.5 画像データの表現
2.5.1 画像データの表現方式
2.5.2 インデックス方式による画像表現
2.5.3 画像のファイル形式
演習問題
3. 画像処理システム
3.1 画像処理システムの構成例
3.1.1 コンピュータを用いた画像処理システム
3.1.2 画像処理プログラムにおける高速化のための留意点
3.1.3 専用ハードウェアによる画像処理装置
3.2 画像の入出力装置
3.2.1 画像の入力装置
3.2.2 画像の出力装置
演習問題
4. 画像情報処理
4.1 画像のフーリエ変換
4.1.1 空間周波数
4.1.2 複素正弦波信号
4.1.3 フーリエ変換
4.1.4 離散フーリエ変換
4.1.5 高速フーリエ変換
【コラム1】直交変換と直交基底
4.1.6 直交変換
【コラム2】直交変換とDFT
4.1.7 その他の直交変換
4.2 標本化定理
4.3 フィルタ処理
4.3.1 周波数領域でのフィルタ処理
【コラム3】FIRフィルタとIIRフィルタ
4.3.2 空間領域でのフィルタ処理
【コラム4】畳み込みの意味と線形時不変フィルタ
4.3.3 フィルタの設計
4.3.4 オペレータによるフィルタ処理
【コラム5】局所処理と大局処理
4.4 画像データの圧縮
4.4.1 可逆符号化
4.4.2 不可逆符号化
4.4.3 動画像の符号化
4.4.4 標準化された符号化技術
【コラム6】JPEG非可逆圧縮の特徴
演習問題
5. 濃淡画像処理
5.1 濃度変換
5.1.1 コントラスト変換関数を用いた濃度変換
【コラム7】ガンマ補正による濃度変換
5.1.2 ヒストグラム変換
5.1.3 隣接する画素との濃度差の強調
5.2 平滑化
5.2.1 線形フィルタによる平滑化
5.2.2 エッジを保存した平滑化
5.3 鮮鋭化
【コラム8】画像超解像
5.4 エッジ線の検出
5.4.1 差分型によるエッジ検出
5.4.2 零交差法によるエッジ検出
5.4.3 レンジフィルタ
5.4.4 Cannyエッジ検出器
5.5 画像表示のための処理
5.5.1 限定色表示
5.5.2 疑似濃淡表示
5.6 幾何学的変換
5.6.1 アフィン変換
5.6.2 疑似アフィン変換
5.6.3 画像の再配列と内挿
5.6.4 圧縮された画像データからの拡大縮小
演習問題
6. 2値画像処理
6.1 2値化処理
6.2 連結性と幾何学的性質
6.2.1 連結と近傍
6.2.2 幾何学的性質
6.3 2値画像に対する処理
6.3.1 ラベリング
6.3.2 膨張収縮処理
6.3.3 線点図形化処理
6.3 図形の形状特徴
演習問題
7. コンピュータグラフィックス
7.12 次元グラフィックス
7.1.1 線図形の描画
7.1.2 面の生成と処理
7.1.3 アンチエリアシング
7.2 3次元グラフィックス
7.2.1 3次元図形の幾何学的変換
7.2.2 モデリング
7.2.3 レンダリング
【コラム9】CGと画像処理技術の融合
演習問題
8. 領域分割
8.1 原画像中のエッジを用いる方法
8.2 領域拡張法
8.3 特徴空間におけるクラスタリングを用いた方法
8.4 テクスチャ解析
8.5 グラフカット法
8.6 深層学習を用いた領域分割
演習問題
9. 特徴パターンの検出
9.1 テンプレートマッチング
9.2 局所特徴
9.2.1 Harrisのコーナの検出
9.2.2 FASTによるコーナ検出
9.2.3 Blobの検出
9.2.4 SIFT
9.2.5 HOG
【コラム10】さまざまな記述子
9.2.6 Bag-of-VisualWords
演習問題
10. 画像認識
10.1 画像認識のタスクとプロセス
10.2 ルールベースに基づく画像認識
10.3 統計的パターン認識
10.3.1 特徴空間
10.3.2 パターンの識別
【コラム11】訓練データの前処理
10.3.3 クラスタリング
【コラム12】遺伝的アルゴリズム
演習問題
11. ニューラルネットワークと深層学習
11.1 ニューラルネットワーク
11.2 深層学習
11.2.1 活性化関数の改良
11.2.2 ドロップアウト
11.2.3 訓練データと学習手順
【コラム13】訓練データの作成
11.2.4 転移学習とファインチューニング
11.3 畳み込みニューラルネットワーク
11.3.1 畳み込み層
11.3.2 プーリング層
11.3.3 出力層
11.3.4 CNNの応用
【コラム14】CNNのネットワークモデル
11.4 オートエンコーダ
11.5 敵対的生成ネットワーク
演習問題
12. 3次元画像処理
12.1 3次元空間の計測と認識
12.2 1枚の画像を用いた3次元認識
12.2.1 テクスチャによる方法
12.2.2 陰影による方法
12.2.3 その他の方法
12.3 複数の画像を用いた3次元認識
12.3.1 カメラモデルとキャリブレーション
12.3.2 ステレオ画像処理
12.4 レンジファインダ
【コラム15】3次元データ処理を行うソフトウェア
12.5 3次元形状の復元
演習問題
13. 動画像処理
13.1 オプティカルフローの抽出
13.1.1 照合法
13.1.2 時空間勾配法
13.2 差分画像を利用する方法
13.3 動画像を用いた行動認識
13.3.1 従来の機械学習を用いた方法
13.3.2 深層学習を用いた方法
13.3.3 RNNとLSTM
13.4 動画像を用いた3次元復元
演習問題
14. 画像処理の応用
14.1 産業応用
14.1.1 組立工程
14.1.2 検査工程
【コラム16】従来の機械学習と深層学習
14.2 医療用画像処理
14.2.1 CT
14.2.2 細胞診の自動化
14.2.3 深層学習による画像診断支援
【コラム17】説明可能なAI とネットワークの可視化
14.3 文字認識
14.3.1 印刷文字認識
14.3.2 手書き文字認識
14.3.3 深層学習を用いた文字認識
14.4 顔の認証
【コラム18】オープンソースの活用
演習問題
引用参考文献
演習問題の解答
索引
著者情報
山田 宏尚
山田, 宏尚, 1962-
末松 良一
末松, 良一, 1943-
