Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 22.07.2026 ab einem Mindestbestellwert von 40€ auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher und Hörbuch-Downloads (außer Abo), nicht preisgebundene Bücher und Kalender online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind preisgebundene Artikel, Abos & Flatrates, eBooks, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services. Preisgebundene Artikel sind vom Mindestbestellwert ausgeschlossen.
  • Produktbild: Artificial Neural Networks for Computer Vision
  • Produktbild: Artificial Neural Networks for Computer Vision
Band 5

Artificial Neural Networks for Computer Vision

Aus der Reihe Research Notes in Neural Computing

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.12.1991

Verlag

Springer Us

Seitenzahl

170

Maße (L/B/H)

23,5/15,5/1,1 cm

Gewicht

289 g

Auflage

1992

Sprache

Englisch

ISBN

978-0-387-97683-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.12.1991

Verlag

Springer Us

Seitenzahl

170

Maße (L/B/H)

23,5/15,5/1,1 cm

Gewicht

289 g

Auflage

1992

Sprache

Englisch

ISBN

978-0-387-97683-9

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Artificial Neural Networks for Computer Vision
  • Produktbild: Artificial Neural Networks for Computer Vision
  • 1 Introduction.- 1.1 Neural Methods.- 1.2 Plan of the Book.- 2 Computational Neural Networks.- 2.1 Introduction.- 2.2 Amari and Hopfield Networks.- 2.3 A Discrete Neural Network for Vision.- 2.3.1 A Discrete Network.- 2.3.2 Decision Rules.- 2.4 Discussion.- 3 Static Stereo.- 3.1 Introduction.- 3.2 Depth from Two Views.- 3.3 Estimation of Intensity Derivatives.- 3.3.1 Fitting Data Using Chebyshev Polynomials.- 3.3.2 Analysis of Filter M(y).- 3.3.3 Computational Consideration for the Natural Images.- 3.4 Matching Using a Network.- 3.5 Experimental Results.- 3.5.1 Random Dot Stereograms.- 3.5.2 Natural Stereo Images.- 3.6 Discussion.- 4 Motion Stereo—Lateral Motion.- 4.1 Introduction.- 4.2 Depth from Lateral Motion.- 4.3 Estimation of Measurement Primitives.- 4.3.1 Estimation of Derivatives.- 4.3.2 Estimation of Chamfer Distance Values.- 4.4 Batch Approach.- 4.4.1 Estimation of Pixel Positions.- 4.4.2 Batch Formulation.- 4.5 Recursive Approach.- 4.6 Matching Error.- 4.7 Detection of Occluding Pixels.- 4.8 Experimental Results.- 4.9 Discussion.- 5 Motion Stereo—Longitudinal Motion.- 5.1 Introduction.- 5.2 Depth from Forward Motion.- 5.2.1 General Case: Images Are Nonequally Spaced.- 5.2.2 Special Case: Images Are Equally Spaced.- 5.3 Estimation of the Gabor Features.- 5.3.1 Gabor Correlation Operator.- 5.3.2 Computational Considerations.- 5.4 Neural Network Formulation.- 5.5 Experimental Results.- 5.6 Discussion.- 6 Computation of Optical Flow.- 6.1 Introduction.- 6.2 Estimation of Intensity Values and Principal Curvatures.- 6.2.1 Estimation of Polynomial Coefficients.- 6.2.2 Computing Principal Curvatures.- 6.2.3 Analysis of Filters.- 6.3 Neural Network Formulation.- 6.3.1 Physiological Considerations.- 6.3.2 Computational Considerations.- 6.3.3 Computing Flow Field.- 6.4 Detection of Motion Discontinuities.- 6.5 Multiple Frame Approaches.- 6.5.1 Batch Approach.- 6.5.2 Recursive Algorithm.- 6.5.3 Detection Rules.- 6.6 Experimental Results.- 6.6.1 Synthetic Image Sequence.- 6.6.2 Natural Image Sequence.- 6.7 Discussion.- 7 Image Restoration.- 7.1 Introduction.- 7.2 An Image Degradation Model.- 7.3 Image Representation.- 7.4 Estimation of Model Parameters.- 7.5 Restoration.- 7.6 A Practical Algorithm.- 7.7 Computer Simulations.- 7.8 Choosing Boundary Values.- 7.9 Comparisons to Other Restoration Methods.- 7.9.1 Inverse Filter and SVD Pseudoinverse Filter.- 7.9.2 MMSE and Modified MMSE Filters.- 7.10 Optical Implementation.- 7.11 Discussion.- 8 Conclusions and Future Research.- 8.1 Conclusions.- 8.2 Future Research.