數(shù)字圖像處理與分析

前言

　　圖像是人類獲取信息最主要的來(lái)源，伴隨著數(shù)字計(jì)算機(jī)的普及，數(shù)字圖像處理、分析、理解等技術(shù)近半個(gè)世紀(jì)以來(lái)有了長(zhǎng)足的發(fā)展，已廣泛應(yīng)用于醫(yī)學(xué)、天文、地球資源遙感衛(wèi)星觀測(cè)、工業(yè)檢查、安全檢查、娛樂(lè)等諸多生產(chǎn)與生活領(lǐng)域?！　”緯?shū)希望對(duì)這一領(lǐng)域的基本原理、經(jīng)典方法，以及新技術(shù)做一個(gè)系統(tǒng)的介紹。力爭(zhēng)做到以下幾點(diǎn)：重視圖像處理基礎(chǔ)知識(shí)，基礎(chǔ)部分詳細(xì)介紹，如圖像增強(qiáng)、復(fù)原等部分，能夠使初學(xué)者快速學(xué)到這一領(lǐng)域最重要的基礎(chǔ)知識(shí)和經(jīng)典算法； 高層次圖像處理部分具有一定深度，如圖像識(shí)別、圖像理解等部分，適于有一定基礎(chǔ)的讀者（如研究生或本領(lǐng)域科研人員）進(jìn)行更深入的學(xué)習(xí)，并可結(jié)合書(shū)中的大量實(shí)例快速投入實(shí)際應(yīng)用； 跟蹤學(xué)科發(fā)展，介紹一些已得到本領(lǐng)域研究人員廣泛認(rèn)可的新方法，如小波收縮去噪、偏微分方程方法等部分，能夠使讀者了解本領(lǐng)域的最新研究進(jìn)展?！　”緯?shū)第1~5章是傳統(tǒng)數(shù)字圖像處理的內(nèi)容，也稱為低層圖像處理，介紹了數(shù)字圖像處理的基本概念、圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像分割等方面的基礎(chǔ)知識(shí)。第6章介紹了圖像處理領(lǐng)域的新方法——偏微分方程方法——對(duì)圖像增強(qiáng)、圖像復(fù)原、圖像分割等多個(gè)傳統(tǒng)圖像處理方法所帶來(lái)的巨大改進(jìn)，以及圖像修補(bǔ)等新應(yīng)用。第7和第8章屬于中層圖像處理，介紹了各種圖像統(tǒng)計(jì)特征及其提取方法、幾何形狀描述方法，為進(jìn)一步的識(shí)別和理解奠定基礎(chǔ)。第9和第10章屬于高層圖像處理，介紹了常見(jiàn)的圖像識(shí)別方法、圖像分析模型、場(chǎng)景描述與理解等內(nèi)容?！　∽鳛榻滩?，本書(shū)可適用于不同層次的教學(xué)需求，對(duì)于本科生的“數(shù)字圖像處理”課程，可以選擇第1~第5章內(nèi)容，或者在課時(shí)較多時(shí)增加第6~第8章的部分內(nèi)容； 對(duì)于研究生的“圖像分析與理解”課程，可以選擇第1、第5、第7、第8和第10章內(nèi)容，課時(shí)較多時(shí)增加第6和第9章內(nèi)容。　　本書(shū)第1、第4、第6和第10章由王志明編寫，第2、第3和第5章由曾慧編寫，第7~第9章由殷緒成編寫?！　”緯?shū)主要內(nèi)容在北京科技大學(xué)計(jì)算機(jī)與通信工程學(xué)院和自動(dòng)化學(xué)院的本科生及研究生教學(xué)中使用多年，對(duì)其間各位同學(xué)提出的寶貴意見(jiàn)在此一并表示感謝。同時(shí)，也感謝北京科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系模式識(shí)別與圖像處理實(shí)驗(yàn)室的同學(xué)對(duì)本書(shū)部分內(nèi)容進(jìn)行的資料準(zhǔn)備和方法試驗(yàn)工作。　　本書(shū)得到北京科技大學(xué)研究生教育發(fā)展基金項(xiàng)目資助，在此表示感謝！　　由于作者水平有限，書(shū)中不當(dāng)之處在所難免，懇請(qǐng)廣大讀者批評(píng)指正?！　【幷摺　?011年12月于北京科技大學(xué)

內(nèi)容概要

　　《重點(diǎn)大學(xué)計(jì)算機(jī)專業(yè)系列教材：數(shù)字圖像處理與分析》系統(tǒng)地介紹了數(shù)字圖像處理、圖像特征提取、圖像分析、圖像理解等方面的基礎(chǔ)知識(shí)，使讀者能夠在較短的時(shí)間內(nèi)了解本領(lǐng)域研究的基本方法和經(jīng)典算法。書(shū)中也引入了一些較新的、已得到本領(lǐng)域研究人員認(rèn)可的先進(jìn)算法，能夠使有志于從事本領(lǐng)域研究的專業(yè)人員快速了解這一學(xué)科的最新研究方向和進(jìn)展。書(shū)中將經(jīng)典算法和大量的應(yīng)用實(shí)例相結(jié)合進(jìn)行闡述，并給出一些綜合應(yīng)用實(shí)例，便于讀者學(xué)習(xí)理解，并能很快將這些方法投入到實(shí)際應(yīng)用中?！　　吨攸c(diǎn)大學(xué)計(jì)算機(jī)專業(yè)系列教材：數(shù)字圖像處理與分析》可作為高等院校相關(guān)專業(yè)大學(xué)生和研究生的教材，也可以作為專業(yè)研究人員的參考資料。

書(shū)籍目錄

第1章 數(shù)字圖像基礎(chǔ)1.1 數(shù)字圖像處理1.2 圖像獲取1.2.1 采樣1.2.2 量化1.3 像素基本關(guān)系1.3.1 鄰接關(guān)系1.3.2 鄰接性、連通性、區(qū)域和邊界1.3.3 距離度量1.4 圖像分析的數(shù)據(jù)結(jié)構(gòu)1.4.1 矩陣1.4.2 鏈表1.4.3 金字塔1.5 顏色模型1.5.1 RGB模型1.5.2 CMY模型1.5.3 HSI模型1.6 圖像質(zhì)量評(píng)價(jià)1.6.1 均方誤差1.6.2 信噪比與峰值信噪比1.6.3 結(jié)構(gòu)相似度1.7 本章小結(jié)第2章 圖像變換2.1 傅里葉變換2.1.1 一維傅里葉變換2.1.2 二維傅里葉變換2.1.3 二維離散傅里葉變換的性質(zhì)2.1.4 快速傅里葉變換2.2 離散余弦變換2.2.1 離散余弦變換的定義2.2.2 離散余弦變換的計(jì)算2.3 Harr變換2.3.1 Harr函數(shù)的定義2.3.2 Harr函數(shù)的性質(zhì)2.3.3 Harr變換的定義2.4 小波變換2.4.1 連續(xù)小波變換2.4.2 離散小波變換2.4.3 快速小波變換2.5 脊波變換、曲波變換及輪廓波變換2.5.1 脊波變換2.5.2 曲波變換2.5.3 輪廓波變換2.6 本章小結(jié)第3章 圖像增強(qiáng)3.1 概述3.2 基于點(diǎn)運(yùn)算的圖像增強(qiáng)3.2.1 灰度變換3.2.2 直方圖處理3.2.3 圖像算術(shù)/邏輯運(yùn)算3.3 空間域圖像增強(qiáng)3.3.1 空間域?yàn)V波基礎(chǔ)3.3.2 空間平滑濾波器3.3.3 空間銳化濾波器3.4 頻域圖像增強(qiáng)3.4.1 頻域?yàn)V波基礎(chǔ)3.4.2 頻域平滑濾波器3.4.3 頻域銳化濾波器3.5 本章小結(jié)第4章 圖像復(fù)原4.1 基本概念4.2 常見(jiàn)噪聲模型4.2.1 高斯噪聲4.2.2 脈沖噪聲4.2.3 瑞利噪聲4.2.4 伽瑪噪聲4.2.5 指數(shù)噪聲4.2.6 均勻噪聲4.3 基本去噪方法4.3.1 均值濾波4.3.2 高斯濾波4.3.3 中值濾波4.3.4 非局部均值濾波4.3.5 小波收縮去噪4.4 常見(jiàn)模糊退化模型4.4.1 運(yùn)動(dòng)模糊4.4.2 散焦模糊4.4.3 大氣擾動(dòng)4.5 基本去模糊化方法4.5.1 逆濾波4.5.2 維納濾波4.5.3 約束最小二乘濾波4.5.4 幾何均值濾波4.6 幾何校正4.6.1 空間變換4.6.2 灰度插值4.7 本章小結(jié)第5章 圖像分割5.1 基本概念5.2 基于閾值的圖像分割方法5.2.1 基本原理5.2.2 基于直方圖的圖像閾值分割5.2.3 基于迭代的圖像閾值分割5.2.4 基于最大類間方差的閾值分割5.3 基于邊緣的分割5.3.1 邊緣檢測(cè)5.3.2 邊緣局部處理5.3.3 邊界跟蹤5.3.4 Hough變換5.4 基于區(qū)域的分割5.4.1 區(qū)域生長(zhǎng)5.4.2 區(qū)域分裂與合并5.5 分水嶺方法5.6 本章小結(jié)第6章 基于偏微分方程的圖像處理6.1 基本概念6.1.1 偏微分方程6.1.2 變分法和梯度下降流6.1.3 數(shù)值計(jì)算方法6.2 圖像去噪與增強(qiáng)6.2.1 各向同性擴(kuò)散6.2.2 各向異性擴(kuò)散6.2.3 方向擴(kuò)散6.2.4 TV去噪模型6.2.5 高階偏微分方程6.3 圖像去模糊6.3.1 TV去模糊模型6.3.2 改進(jìn)的TV方法6.3.3 盲反卷積6.4 圖像分割6.4.1 測(cè)地活動(dòng)輪廓模型6.4.2 無(wú)邊緣活動(dòng)輪廓模型6.5 圖像修補(bǔ)6.5.1 TV修補(bǔ)模型6.5.2 曲率擴(kuò)散方法6.5.3 BSCB模型6.6 本章小節(jié)第7章 圖像特征7.1 基本特征7.1.1 幅度特征7.1.2 統(tǒng)計(jì)特征7.1.3 幾何特征7.2 紋理特征7.2.1 基于統(tǒng)計(jì)的紋理特征7.2.2 基于幾何的紋理特征7.2.3 基于模型的紋理特征7.2.4 基于信號(hào)處理的紋理特征7.3 特征子空間7.3.1 奇異值分解7.3.2 主元分析7.3.3 獨(dú)立成分分析7.4 基于角點(diǎn)的特征7.4.1 SIFT特征7.4.2 改進(jìn)型SIFT特征7.5 圖像稀疏表示7.5.1 稀疏性度量7.5.2 圖像稀疏表示7.5.3 圖像調(diào)和分析表示7.6 應(yīng)用實(shí)例：FMI巖石圖像特征提取與分類7.6.1 巖石圖像特征表示7.6.2 巖石圖像分類7.7 本章小結(jié)第8章 圖像描述8.1 圖像標(biāo)識(shí)8.2 基于輪廓的形狀描述8.2.1 鏈碼表示8.2.2 簡(jiǎn)單幾何邊界表示8.2.3 片段序列邊界表示8.2.4 B樣條表示8.2.5 其他方法8.3 基于區(qū)域的形狀描述8.3.1 簡(jiǎn)單標(biāo)量區(qū)域表示8.3.2 矩表示8.3.3 凸包表示8.3.4 骨架圖表示8.3.5 區(qū)域分解8.3.6 區(qū)域近鄰圖8.4 本章小結(jié)第9章 圖像識(shí)別9.1 貝葉斯分類9.1.1 貝葉斯分類器9.1.2 貝葉斯最優(yōu)分類器9.1.3 樸素貝葉斯分類器9.1.4 貝葉斯網(wǎng)絡(luò)9.2 近鄰法及模板匹配9.2.1 近鄰法9.2.2 模板匹配9.3 人工神經(jīng)網(wǎng)絡(luò)9.3.1 BP網(wǎng)絡(luò)9.3.2 RBF網(wǎng)絡(luò)9.4 核方法9.4.1 支持向量機(jī)9.4.2 核Fisher判別分析9.5 集成學(xué)習(xí)9.5.1 Bagging9.5.2 Adaboost9.5.3 應(yīng)用于特征集成的Boosting變體算法9.6 應(yīng)用實(shí)例：基于Adaboost的特征集成及文字識(shí)別9.6.1 簡(jiǎn)單分類問(wèn)題9.6.2 手寫體數(shù)字識(shí)別9.7 本章小結(jié)第10章 圖像理解10.1 圖像理解基本概念10.1.1 研究?jī)?nèi)容10.1.2 研究方法10.2 圖像分析模型10.2.1 平面圖結(jié)構(gòu)模型10.2.2 點(diǎn)分布模型10.2.3 活動(dòng)輪廓模型10.2.4 隱馬爾克夫模型10.3 場(chǎng)景中目標(biāo)檢測(cè)與識(shí)別10.3.1 目標(biāo)檢測(cè)10.3.2 目標(biāo)識(shí)別10.4 場(chǎng)景描述與理解10.4.1 圖像理解控制策略10.4.2 場(chǎng)景分類10.4.3 目標(biāo)之間關(guān)系10.4.4 場(chǎng)景標(biāo)注和約束傳播10.5 語(yǔ)義分割與理解10.5.1 語(yǔ)義描述圖結(jié)構(gòu)10.5.2 語(yǔ)義區(qū)域增長(zhǎng)10.5.3 遺傳圖像解釋10.6 本章小結(jié)參考文獻(xiàn)

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    數(shù)字圖像處理與分析 PDF格式下載

---