數(shù)字圖像處理算法及應(yīng)用

第1章 緒論
1.1 概述
1.2 什么是數(shù)字圖像處理
1.3 數(shù)字圖像處理研究內(nèi)容
1.4 圖像處理和其他相關(guān)學(xué)科的關(guān)系
1.5 圖像處理的應(yīng)用
1.5.1 在航天和航空技術(shù)方面的應(yīng)用
1.5.2 在生物醫(yī)學(xué)工程方面的應(yīng)用
1.5.3 在工業(yè)和工程方面的應(yīng)用
1.5.4 在軍事公安方面的應(yīng)用
1.5.5 在文化藝術(shù)方面的應(yīng)用
1.5.6 在通信工程方面的應(yīng)用
1.6 小結(jié)
習(xí)題
第2章 基礎(chǔ)知識與數(shù)學(xué)模型
2.1 圖像信息基礎(chǔ)知識
2.1.1 δ函數(shù)
2.1.2 線性系統(tǒng)
2.2 圖像質(zhì)量評價(jià)
2.2.1 主觀質(zhì)量評價(jià)方法
2.2.2 客觀質(zhì)量評價(jià)方法
2.3 圖像的數(shù)學(xué)描述
2.3.1 圖像的函數(shù)表示
2.3.2 圖像的統(tǒng)計(jì)表示
2.3.3 圖像處理的統(tǒng)計(jì)模型
2.4 圖像數(shù)字化
2.4.1 圖像采樣
2.4.2 圖像量化
2.5 像素間的基本關(guān)系
2.5.1 鄰域
2.5.2 連通性
2.5.3 距離
2.6 小結(jié)
習(xí)題
第3章 圖像常用的基本操作
3.1 圖像的點(diǎn)運(yùn)算
3.1.1 灰度直方圖
3.1.2 灰度的線性及對數(shù)變換
3.1.3 直方圖均衡化
3.1.4 直方圖規(guī)定化
3.2 圖像的幾何變換
3.2.1 簡單的幾何變換
3.2.2 插值算法
3.2.3 圖像配準(zhǔn)
3.3 空間域圖像增強(qiáng)
3.3.1 空間域?yàn)V波
3.3.2 圖像平滑
3.3.3 中值濾波
3.3.4 圖像銳化
3.4 頻率域圖像增強(qiáng)
3.4.1 傅里葉變換基礎(chǔ)知識
3.4.2 快速傅里葉變換
3.4.3 低通濾波器
3.4.4 高通濾波器
3.5 形態(tài)學(xué)圖像處理
3.5.1 二值圖像中的基本形態(tài)學(xué)運(yùn)算
3.5.2 灰度圖像中的基本形態(tài)學(xué)運(yùn)算
3.6 小結(jié)
習(xí)題
第4章 圖像復(fù)原
4.1 圖像退化模型
4.1.1 連續(xù)函數(shù)退化模型
4.1.2 離散的退化模型
4.1.3 循環(huán)矩陣對角化
4.1.4 退化函數(shù)估計(jì)
4.2 常用圖像復(fù)原法
4.2.1 逆濾波
4.2.2 維納濾波
4.2.3 幾何失真校正
4.2.4 從噪聲中復(fù)原
4.3 一種變尺度參數(shù)的IRM去噪算法
4.3.1 IRM模型及其尺度參數(shù)
4.3.2 變尺度參數(shù)的IRM模型
4.3.3 實(shí)驗(yàn)結(jié)果與分析
4.4 基于逆尺度空間和Contourlet閾值的MRI重建方法
4.4.1 壓縮感知理論框架
4.4.2 Contourlet變換的基本性質(zhì)
4.4.3 基于逆尺度空間和Contourlet變換的MRI重建
4.4.4 實(shí)驗(yàn)結(jié)果與分析
4.5 小結(jié)
習(xí)題
第5章 圖像分割
5.1 概述
5.2 相關(guān)算法理論基礎(chǔ)
5.2.1 顏色空間
5.2.2 可變模型理論
5.2.3 水平集理論
5.2.4 Harris角點(diǎn)檢測算法
5.3 人眼區(qū)域分割與定位
5.3.1 基于Adaboost人臉檢測
5.3.2 人眼定位
5.3.3 基于橢圓擬合的眼睛輪廓提取
5.4 基于改進(jìn)LevelSet的中醫(yī)舌體分割
5.4.1 去除舌區(qū)域淤點(diǎn)并初始化舌體輪廓線
5.4.2 增強(qiáng)舌體與皮膚之間的弱邊界
5.4.3 GAC主動輪廓模型的水平集表不
5.4.4 改進(jìn)的水平集方法
5.4.5 實(shí)驗(yàn)與討論
5.5 小結(jié)
習(xí)題
第6章 特征提取
6.1 概述
6.2 圖像特征提取方法
6.2.1 直方圖
6.2.2 灰度共生矩陣
6.2.3 顏色特征
6.2.4 形狀上下文特征
6.2.5 SIFT特征
6.2.6 HOG特征
6.2.7 LBP-TOP特征提取
6.2.8 Gabor變換
6.3 特征降維
6.3.1 奇異值分解
6.3.2 主成分分析
6.3.3 核主成分分析
6.3.4 線性鑒別方法
6.4 基于IKDA的并行特征融合人臉表情識別
6.4.1 特征融合策略
6.4.2 改進(jìn)的核LDA
6.4.3 實(shí)驗(yàn)結(jié)果與分析
6.5 小結(jié)
習(xí)題
第7章 視頻跟蹤
7.1 概述
7.2 視頻跟蹤的應(yīng)用
7.2.1 視頻監(jiān)控
7.2.2 視覺導(dǎo)航
7.2.3 三維重構(gòu)
7.2.4 其他
7.3 視頻跟蹤的技術(shù)現(xiàn)狀
7.3.1 視頻跟蹤方法的分類
7.3.2 視頻跟蹤算法
7.3.3 視頻跟蹤中的技術(shù)難點(diǎn)
7.4 視頻跟蹤的基礎(chǔ)核心技術(shù)
7.4.1 目標(biāo)表示方法及目標(biāo)特征
7.4.2 目標(biāo)的檢測方法
7.4.3 目標(biāo)的跟蹤方法
7.4.4 目標(biāo)跟蹤算法的性能評估
……
第8章 圖像識別初步
第9章 神經(jīng)網(wǎng)絡(luò)分類器
第10章 支持向量機(jī)
第11章 動態(tài)貝葉斯網(wǎng)絡(luò)
附錄A 數(shù)字圖像處理技術(shù)詞匯表
附錄B 數(shù)序基礎(chǔ)
參考文獻(xiàn)