پردازش تصویر و یادگیری ماشین به طور مشترک برای تحلیل و درک تصاویر به کار میروند. در حالی که پردازش تصویر برای پیشپردازش تصاویر با استفاده از تکنیکهایی مانند فیلتر کردن، قطعهبندی و استخراج ویژگیها استفاده میشود، الگوریتمهای یادگیری ماشین برای تفسیر دادههای پردازششده از طریق طبقهبندی، خوشهبندی و تشخیص اشیا به کار میروند. این کتاب به عنوان یک کتاب درسی برای دانشجویان و اساتید پردازش تصویر عمل میکند و مبانی نظری و کاربردهای عملی برخی از رایجترین روشها و رویکردهای پردازش تصویر را پوشش میدهد.
این جلد دوم که در دو جلد ارائه شده است، به بررسی مفاهیم و تکنیکهای پیشرفتهتر در پردازش تصویر، از جمله فیلترهای مورفولوژیکی، پردازش تصویر رنگی، تطبیق تصویر، قطعهبندی مبتنی بر ویژگی با استفاده از الگوریتم میانگین شیفت و کاربرد تجزیه مقادیر منفرد برای فشردهسازی تصویر میپردازد. این جلد دوم همچنین چندین تکنیک مهم یادگیری ماشین را که در پردازش تصویر به کار میروند، در بر میگیرد و بر دانش بنیادی ارائه شده در جلد اول استوار است.
این کتاب که با در نظر گرفتن اساتید و دانشجویان پردازش تصویر نوشته شده است، با ساختار سازمانیافته و ملموس خود، برای توسعهدهندگان اپلیکیشن و مهندسان نیز جذاب خواهد بود.
