| 《数字图像处理与分析》 第1章数字图像基础 1.1数字图像处理 1.2图像获取 1.2.1采样 1.2.2量化 1.3像素基本关系 1.3.1邻接关系 1.3.2邻接性、连通性、区域和边界 1.3.3距离度量 1.4图像分析的数据结构 1.4.1矩阵 1.4.2链表 1.4.3金字塔 1.5颜色模型 1.5.1rgb模型 1.5.2cmy模型 1.5.3hsi模型 1.6图像质量评价 1.6.1均方误差 .1.6.2信噪比与峰值信噪比 1.6.3结构相似度 1.7本章小结 第2章图像变换 2.1傅里叶变换 2.1.1一维傅里叶变换 2.1.2二维傅里叶变换 2.1.3二维离散傅里叶变换的性质 2.1.4快速傅里叶变换 2.2离散余弦变换 2.2.1离散余弦变换的定义 2.2.2离散余弦变换的计算 2.3harr变换 2.3.1harr函数的定义 2.3.2harr函数的性质 2.3.3harr变换的定义 2.4小波变换 2.4.1连续小波变换 2.4.2离散小波变换 2.4.3快速小波变换 2.5脊波变换、曲波变换及轮廓波变换 2.5.1脊波变换 2.5.2曲波变换 2.5.3轮廓波变换 2.6本章小结 第3章图像增强 3.1概述 3.2基于点运算的图像增强 3.2.1灰度变换 3.2.2直方图处理 3.2.3图像算术/逻辑运算 3.3空间域图像增强 3.3.1空间域滤波基础 3.3.2空间平滑滤波器 3.3.3空间锐化滤波器 3.4频域图像增强 3.4.1频域滤波基础 3.4.2频域平滑滤波器 3.4.3频域锐化滤波器 3.5本章小结 第4章图像复原 4.1基本概念 4.2常见噪声模型 4.2.1高斯噪声 4.2.2脉冲噪声 4.2.3瑞利噪声 4.2.4伽玛噪声 4.2.5指数噪声 4.2.6均匀噪声 4.3基本去噪方法 4.3.1均值滤波 4.3.2高斯滤波 4.3.3中值滤波 4.3.4非局部均值滤波 4.3.5小波收缩去噪 4.4常见模糊退化模型 4.4.1运动模糊 4.4.2散焦模糊 4.4.3大气扰动 4.5基本去模糊化方法 4.5.1逆滤波 4.5.2维纳滤波 4.5.3约束最小二乘滤波 4.5.4几何均值滤波 4.6几何校正 4.6.1空间变换 4.6.2灰度插值 4.7本章小结 第5章图像分割 5.1基本概念 5.2基于阈值的图像分割方法 5.2.1基本原理 5.2.2基于直方图的图像阈值分割 5.2.3基于迭代的图像阈值分割 5.2.4基于最大类间方差的阈值分割 5.3基于边缘的分割 5.3.1边缘检测 5.3.2边缘局部处理 5.3.3边界跟踪 5.3.4hough变换 5.4基于区域的分割 5.4.1区域生长 5.4.2区域分裂与合并 5.5分水岭方法 5.6本章小结 第6章基于偏微分方程的图像处理 6.1基本概念 6.1.1偏微分方程 6.1.2变分法和梯度下降流 6.1.3数值计算方法 6.2图像去噪与增强 6.2.1各向同性扩散 6.2.2各向异性扩散 6.2.3方向扩散 6.2.4tv去噪模型 6.2.5高阶偏微分方程 6.3图像去模糊 6.3.1tv去模糊模型 6.3.2改进的tv方法 6.3.3盲反卷积 6.4图像分割 6.4.1测地活动轮廓模型 6.4.2无边缘活动轮廓模型 6.5图像修补 6.5.1tv修补模型 6.5.2曲率扩散方法 6.5.3bscb模型 6.6本章小节 第7章图像特征 7.1基本特征 7.1.1幅度特征 7.1.2统计特征 7.1.3几何特征 7.2纹理特征 7.2.1基于统计的纹理特征 7.2.2基于几何的纹理特征 7.2.3基于模型的纹理特征 7.2.4基于信号处理的纹理特征 7.3特征子空间 7.3.1奇异值分解 7.3.2主元分析 7.3.3独立成分分析 7.4基于角点的特征 7.4.1sift特征 7.4.2改进型sift特征 7.5图像稀疏表示 7.5.1稀疏性度量 7.5.2图像稀疏表示 7.5.3图像调和分析表示 7.6应用实例： fmi岩石图像特征提取与分类 7.6.1岩石图像特征表示 7.6.2岩石图像分类 7.7本章小结 第8章图像描述 8.1图像标识 8.2基于轮廓的形状描述 8.2.1链码表示 8.2.2简单几何边界表示 8.2.3片段序列边界表示 8.2.4b样条表示 8.2.5其他方法 8.3基于区域的形状描述 8.3.1简单标量区域表示 8.3.2矩表示 8.3.3凸包表示 8.3.4骨架图表示 8.3.5区域分解 8.3.6区域近邻图 8.4本章小结 第9章图像识别 9.1贝叶斯分类 9.1.1贝叶斯分类器 9.1.2贝叶斯最优分类器 9.1.3朴素贝叶斯分类器 9.1.4贝叶斯网络 9.2近邻法及模板匹配 9.2.1近邻法 9.2.2模板匹配 9.3人工神经网络 9.3.1bp网络 9.3.2rbf网络 9.4核方法 9.4.1支持向量机 9.4.2核fisher判别分析 9.5集成学习 9.5.1bagging 9.5.2adaboost 9.5.3应用于特征集成的boosting变体算法 9.6应用实例： 基于adaboost的特征集成及文字识别 9.6.1简单分类问题 9.6.2手写体数字识别 9.7本章小结 第10章图像理解 10.1图像理解基本概念 10.1.1研究内容 10.1.2研究方法 10.2图像分析模型 10.2.1平面图结构模型 10.2.2点分布模型 10.2.3活动轮廓模型 10.2.4隐马尔克夫模型 10.3场景中目标检测与识别 10.3.1目标检测 10.3.2目标识别 10.4场景描述与理解 10.4.1图像理解控制策略 10.4.2场景分类 10.4.3目标之间关系 10.4.4场景标注和约束传播 10.5语义分割与理解 10.5.1语义描述图结构 10.5.2语义区域增长 10.5.3遗传图像解释 10.6本章小结 参考文献 |
内容加载中，请稍后...
商品评论（0条）