智能圖像處理技術(shù)

第1章 緒論
1.1 圖像與圖像處理的概念
1.2 數(shù)字圖像處理研究的內(nèi)容
1.2.1 傳統(tǒng)的圖像處理技術(shù)
1.2.2 智能圖像處理技術(shù)
1.3 數(shù)字圖像處理系統(tǒng)
1.4 數(shù)字圖像處理的應(yīng)用
1.5 人的視覺(jué)系統(tǒng)與色度學(xué)基礎(chǔ)
1.5.1 人的視覺(jué)系統(tǒng)
1.5.2 色度學(xué)基礎(chǔ)
1.6 本書(shū)的安排
本章參考文獻(xiàn)
第2章 圖像采集
2.1 圖像數(shù)字化
2.1.1 圖像的數(shù)學(xué)模型
2.1.2 采樣與量化
2.2 量化技術(shù)
2.2.1 標(biāo)量量化
2.2.2 矢量量化
2.2.3 LBG算法與初始碼書(shū)設(shè)計(jì)
2.3 圖像輸入
2.3.1 圖像采集系統(tǒng)
2.3.2 圖像輸入設(shè)備
2.4 圖像文件格式
2.4.1 BMP（位圖）文件格式
2.4.2 GIF文件格式
2.4.3 JPEG文件格式
本章參考文獻(xiàn)
第3章 圖像變換
3.1 傅里葉變換
3.1.1 一維傅里葉變換
3.1.2 二維傅里葉變換
3.1.3 二維離散傅里葉變換的性質(zhì)
3.1.4 正交變換的基本概念
3.2 離散余弦變換
3.2.1 離散余弦變換的定義
3.2.2 離散余弦變換的快速實(shí)現(xiàn)
3.3 K-L變換
3.3.1 K-L變換的定義
3.3.2 K-L變換的性質(zhì)
3.4 小波變換
3.4.1 連續(xù)小波變換
3.4.2 二進(jìn)小波變換
3.4.3 離散小波變換
3.5 其他可分離變換
3.5.1 沃爾什變換
3.5.2 哈達(dá)瑪變換
3.5.3 斜變換
本章參考文獻(xiàn)
第4章 圖像增強(qiáng)
4.1 空間域單點(diǎn)增強(qiáng)
4.1.1 灰度變換
4.1.2 直方圖修正
4.2 圖像平滑
4.2.1 噪聲門(mén)限法
4.2.2 鄰域平均法
4.2.3 加權(quán)平均法
4.2.4 中值濾波
4.2.5 掩膜平滑法
4.2.6 空間低通濾波
4.3 圖像銳化
4.3.1 微分算子方法
4.3.2 Sobel算子
4.3.3 拉普拉斯算子
4.3.4 統(tǒng)計(jì)差值法
4.3.5 掩膜匹配法
4.3.6 空間高通濾波
4.4 圖像濾波
4.4.1 低通濾波
4.4.2 同態(tài)濾波
4.4.3 高通濾波
4.5 彩色增強(qiáng)
4.5.1 假彩色處理
4.5.2 偽彩色處理
本章參考文獻(xiàn)
第5章 圖像恢復(fù)
5.1 圖像退化的數(shù)學(xué)模型
5.1.1 圖像退化模型
5.1.2 點(diǎn)沖激函數(shù)的退化模型
5.1.3 連續(xù)圖像退化模型
5.1.4 離散圖像的退化模型
5.1.5 離散退化模型的求解
5.2 無(wú)約束圖像恢復(fù)
5.2.1 最小二乘估計(jì)
5.2.2 運(yùn)動(dòng)模糊圖像的恢復(fù)
5.3 有約束圖像恢復(fù)
5.3.1 有約束的最小二乘圖像恢復(fù)
5.3.2 維納濾波
5.3.3 功率譜均衡恢復(fù)
5.3.4 有約束最小平方恢復(fù)
5.4 圖像幾何校正
5.4.1 幾何校正方法
5.4.2 空間幾何坐標(biāo)變換
5.4.3 重采樣
本章參考文獻(xiàn)
第6章 圖像編碼與壓縮
6.1 圖像編碼基礎(chǔ)
6.1.1 數(shù)據(jù)壓縮的概念
6.1.2 圖像壓縮的性能評(píng)價(jià)
6.2 統(tǒng)計(jì)編碼
6.2.1 編碼效率與冗余度
6.2.2 霍夫曼編碼
6.2.3 香農(nóng)-費(fèi)諾編碼
6.2.4 算術(shù)編碼
6.3 預(yù)測(cè)編碼
6.3.1 預(yù)測(cè)編碼的基本原理
6.3.2 差值脈沖編碼調(diào)制
6.3.3 最優(yōu)線性預(yù)測(cè)
6.4 變換編碼
6.4.1 變換編碼系統(tǒng)結(jié)構(gòu)
6.4.2 正交變換編碼
6.4.3 小波變換編碼簡(jiǎn)介
6.5 無(wú)失真壓縮編碼
6.5.1 引言
6.5.2 基于線性預(yù)測(cè)的無(wú)失真壓縮
6.5.3 基于S P變換的無(wú)失真壓縮
6.5.4 基于第二代小波變換的無(wú)失真壓縮
6.6 國(guó)際標(biāo)準(zhǔn)簡(jiǎn)介
6.6.1 JPEG
6.6.2 H.261建議
6.6.3 MPEG-1標(biāo)準(zhǔn)
6.6.4 MPEG-2標(biāo)準(zhǔn)
6.6.5 MPEG-4標(biāo)準(zhǔn)
6.6.6 MPEG-7標(biāo)準(zhǔn)
6.6.7 MPEG-21標(biāo)準(zhǔn)
本章參考文獻(xiàn)
第7章 圖像邊緣檢測(cè)
7.1 邊緣檢測(cè)的基本概念
7.2 微分邊緣檢測(cè)算子
7.2.1 梯度方法
7.2.2 二階微分算子
7.3 多尺度邊緣檢測(cè)
7.3.1 Marr-Hildretch邊緣檢測(cè)
7.3.2 Witkin尺度濾波理論
7.3.3 小波變換邊緣檢測(cè)
7.4 基于模糊增強(qiáng)的邊緣檢測(cè)
7.4.1 引言
7.4.2 單層次模糊增強(qiáng)簡(jiǎn)介
7.4.3 多層次模糊增強(qiáng)
7.4.4 基于多層次模糊增強(qiáng)的邊緣提取
7.5 基于Snake模型的邊緣檢測(cè)
7.5.1 Snake模型的數(shù)學(xué)描述
7.5.2 基于Snake模型的邊緣檢測(cè)
7.6 曲面擬合邊緣檢測(cè)
本章參考文獻(xiàn)
第8章 圖像分割
8.1 圖像分割的一般模型
8.2 基于閾值選取的圖像分割方法
8.2.1 直方圖閾值
8.2.2 最大熵閾值
8.2.3 二維直方圖閾值
8.2.4 統(tǒng)計(jì)判決確定門(mén)限
8.2.5 局部閾值法
8.3 基于區(qū)域的圖像分割方法
8.3.1 區(qū)域生長(zhǎng)法
8.3.2 分裂-合并
8.4 基于邊緣檢測(cè)的圖像分割
8.4.1 Hough變換原理
8.4.2 Hough變換應(yīng)用
8.4.3 廣義Hough變換
8.5 模糊分割技術(shù)
8.5.1 模糊閾值分割方法
8.5.2 基于二維直方圖的模糊門(mén)限分割方法
本章參考文獻(xiàn)
第9章 圖像特征分析
9.1 顏色特征分析
9.1.1 顏色的表示
9.1.2 顏色直方圖
9.1.3 直方圖不變特征量
9.1.4 顏色矩
9.2 紋理特征分析
9.2.1 空間自相關(guān)法
9.2.2 傅里葉功率譜法
9.2.3 共生矩陣法
9.2.4 基于鄰域特征統(tǒng)計(jì)的紋理分析方法
9.2.5 灰度差分統(tǒng)計(jì)方法與行程長(zhǎng)度統(tǒng)計(jì)法
9.2.6 用分?jǐn)?shù)維描述紋理
9.2.7 Tamura紋理特征
9.3 形狀特征分析
9.3.1 引言
9.3.2 基于輪廓的全局方法
9.3.3 基于輪廓的結(jié)構(gòu)方法
9.3.4 基于區(qū)域的全局方法
9.3.5 基于區(qū)域的結(jié)構(gòu)方法
本章參考文獻(xiàn)
第10章 圖像配準(zhǔn)
10.1 圖像配準(zhǔn)基礎(chǔ)
10.1.1 圖像配準(zhǔn)的概念
10.1.2 圖像配準(zhǔn)的一般模型
10.1.3 相似性測(cè)度
10.2 基于圖像灰度的圖像配準(zhǔn)
10.2.1 互相關(guān)匹配方法
10.2.2 投影匹配算法
10.2.3 基于傅里葉變換的相位匹配方法
10.2.4 圖像矩匹配方法
10.3 基于圖像特征的配準(zhǔn)
10.3.1 算法步驟與特點(diǎn)
10.3.2 圖像預(yù)處理
10.3.3 特征選擇
10.3.4 圖像匹配
10.4 最小二乘圖像匹配方法
10.4.1 基本思想
10.4.2 基本算法
10.5 快速匹配方法
10.5.1 分層搜索算法
10.5.2 基于遺傳算法的匹配方法
10.5.3 基于金字塔分級(jí)搜索的匹配方法
本章參考文獻(xiàn)
第11章 圖像融合
11.1 圖像融合的基本原理
11.1.1 信息融合的概念
11.1.2 多源遙感圖像融合
11.1.3 圖像融合的模型框架與算法
11.1.4 遙感圖像融合效果的評(píng)價(jià)
11.2 小波變換融合法
11.2.1 傳統(tǒng)的小波變換融合方法
11.2.2 基于特征的小波變換融合方法
11.3 基于PCA變換與小波變換的圖像融合
11.3.1 PCA（主分量分析）變換融合法
11.3.2 基于PCA變換與小波變換的融合算法
11.4 基于IHS變換與小波變換的圖像融合
11.4.1 IHS變換融合法
11.4.2 基于IHS變換與小波變換的融合算法
本章參考文獻(xiàn)
第12章 圖像分類(lèi)
12.1 圖像分類(lèi)的概念與原理
12.1.1 圖像分類(lèi)的概念
12.1.2 圖像分類(lèi)的原理
12.2 統(tǒng)計(jì)分類(lèi)方法
12.2.1 監(jiān)督分類(lèi)
12.2.2 非監(jiān)督分類(lèi)
12.3 模糊分類(lèi)方法
12.3.1 模糊集合
12.3.2 模糊關(guān)系
12.3.3 模糊分類(lèi)
12.3.4 基于模糊關(guān)系的模式分類(lèi)
12.3.5 模糊聚類(lèi)方法
12.3.6 改進(jìn)的模糊C-均值算法
12.4 神經(jīng)網(wǎng)絡(luò)分類(lèi)方法
12.4.1 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
12.4.2 神經(jīng)網(wǎng)絡(luò)監(jiān)督分類(lèi)方法
12.4.3 神經(jīng)網(wǎng)絡(luò)非監(jiān)督分類(lèi)方法
12.5 基于廣義圖像的神經(jīng)網(wǎng)絡(luò)遙感圖像分類(lèi)方法
12.5.1 廣義圖像
12.5.2 算法的實(shí)現(xiàn)過(guò)程
12.5.3 實(shí)驗(yàn)結(jié)果與性能比較
12.6 基于證據(jù)理論與神經(jīng)網(wǎng)絡(luò)的遙感圖像分類(lèi)方法
12.6.1 證據(jù)理論
12.6.2 算法的實(shí)現(xiàn)過(guò)程
12.6.3 實(shí)驗(yàn)結(jié)果與性能比較
本章參考文獻(xiàn)
第13章 圖像識(shí)別
13.1 圖像識(shí)別的基本原理
13.2 模板匹配識(shí)別技術(shù)
13.2.1 模板匹配一般模型
13.2.2 序貫相似性檢測(cè)算法
13.3 神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)
13.3.1 神經(jīng)網(wǎng)絡(luò)識(shí)別的一般模型
13.3.2 BP神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)
13.3.3 Kohonen神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)
13.4 模糊識(shí)別技術(shù)
13.4.1 隸屬原則識(shí)別法
13.4.2 擇近原則識(shí)別法
13.4.3 一種手寫(xiě)文字模糊識(shí)別技術(shù)
13.5 基于隱馬爾可夫模型的識(shí)別技術(shù)
13.5.1 隱馬爾可夫模型基礎(chǔ)
13.5.2 基于隱馬爾可夫模型的人臉識(shí)別
13.6 車(chē)牌識(shí)別技術(shù)
13.6.1 系統(tǒng)簡(jiǎn)介
13.6.2 車(chē)牌圖像定位分割算法
13.6.3 車(chē)牌字符的識(shí)別
本章參考文獻(xiàn)
第14章
基于內(nèi)容的圖像檢索
14.1 基于內(nèi)容的圖像檢索概述
14.1.1 基于內(nèi)容的檢索
14.1.2 基于內(nèi)容的圖像檢索
14.1.3 基于內(nèi)容的圖像檢索相關(guān)技術(shù)
14.1.4 基于內(nèi)容的圖像檢索系統(tǒng)
14.2 基于顏色特征的圖像檢索
14.2.1 直方圖方法
14.2.2 中心矩法
14.2.3 參考顏色表法
14.2.4 顏色對(duì)方法
14.2.5 基于主色調(diào)的檢索方法
14.2.6 結(jié)合空間信息的圖像檢索方法
14.3 基于紋理特征的圖像檢索
14.3.1 基于共生矩陣的紋理匹配
14.3.2 基于小波變換的紋理匹配
14.3.3 基于Gabor變換的紋理匹配
14.4 基于形狀特征的圖像檢索
14.4.1 基于傅里葉描述的形狀檢索
14.4.2 基于形狀矩的形狀檢索
本章參考文獻(xiàn)
第15章 圖像數(shù)字水印技術(shù)
15.1 圖像數(shù)字水印技術(shù)概述
15.1.1 信息隱藏技術(shù)
15.1.2 數(shù)字水印技術(shù)
15.2 空域水印技術(shù)
15.3 DCT域圖像水印技術(shù)
15.3.1 DCT域圖像水印研究綜述
15.3.2 算法實(shí)例
15.3.3 水印的穩(wěn)健性測(cè)試
15.4 小波域圖像水印技術(shù)
15.4.1 技術(shù)流程
15.4.2 基于低頻子帶方法
15.4.3 細(xì)節(jié)分量方法
15.4.4 利用圖像編碼的方法
15.4.5 Inoue算法
15.5 脆弱圖像數(shù)字水印技術(shù)
15.5.1 脆弱圖像數(shù)字水印的基本特征和研究狀況
15.5.2 算法實(shí)例
本章參考文獻(xiàn)