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源，伴隨著數(shù)字計算機的普及，數(shù)字圖像處理、分析、理解等技術(shù)近半個世紀以來有了長足的發(fā)展，已廣泛應(yīng)用于醫(yī)學、天文、地球資源遙感衛(wèi)星觀測、工業(yè)檢查、安全檢查、娛樂等諸多生產(chǎn)與生活領(lǐng)域。　　本書希望對這一領(lǐng)域的基本原理、經(jīng)典方法，以及新技術(shù)做一個系統(tǒng)的介紹。力爭做到以下幾點：重視圖像處理基礎(chǔ)知識，基礎(chǔ)部分詳細介紹，如圖像增強、復(fù)原等部分，能夠使初學者快速學到這一領(lǐng)域最重要的基礎(chǔ)知識和經(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）進行更深入的學習，并可結(jié)合書中的大量實例快速投入實際應(yīng)用； 跟蹤學科發(fā)展，介紹一些已得到本領(lǐng)域研究人員廣泛認可的新方法，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)域的最新研究進展。　　本書第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、圖像復(fù)原、圖像分割等方面的基礎(chǔ)知識。第6章介紹了圖像處理領(lǐng)域的新方法——偏微分方程方法——對圖像增強、圖像復(fù)原、圖像分割等多個傳統(tǒng)圖像處理方法所帶來的巨大改進，以及圖像修補等新應(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)計特征及其提取方法、幾何形狀描述方法，為進一步的識別和理解奠定基礎(chǔ)。第9和第10章屬于高層圖像處理，介紹了常見的圖像識別方法、圖像分析模型、場景描述與理解等內(nèi)容?！　∽鳛榻滩模緯蛇m用于不同層次的教學需求，對于本科生的“數(shù)字圖像處理”課程，可以選擇第1~第5章內(nèi)容，或者在課時較多時增加第6~第8章的部分內(nèi)容； 對于研究生的“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，課時較多時增加第6和第9章內(nèi)容?！　”緯?、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。　　本書主要內(nèi)容在北京科技大學計算機與通信工程學院和自動化學院的本科生及研究生教學中使用多年，對其間各位同學提出的寶貴意見在此一并表示感謝。同時，也感謝北京科技大學計算機科學與技術(shù)系模式識別與圖像處理實驗室的同學對本書部分內(nèi)容進行的資料準備和方法試驗工作?！　”緯玫奖本┛萍即髮W研究生教育發(fā)展基金項目資助，在此表示感謝！　　由于作者水平有限，書中不當之處在所難免，懇請廣大讀者批評指正?！　【幷摺　?011年12月于北京科技大學

內(nèi)容概要

　　《重點大學計算機專業(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，使讀者能夠在較短的時間內(nèi)了解本領(lǐng)域研究的基本方法和經(jīng)典算法。書中也引入了一些較新的、已得到本領(lǐng)域研究人員認可的先進算法，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科的最新研究方向和進展。書中將經(jīng)典算法和大量的應(yīng)用實例相結(jié)合進行闡述，并給出一些綜合應(yīng)用實例，便于讀者學習理解，并能很快將這些方法投入到實際應(yīng)用中。　　《重點大學計算機專業(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)量評價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3.1 概述3.2 基于點運算的圖像增強3.2.1 灰度變換3.2.2 直方圖處理3.2.3 圖像算術(shù)/邏輯運算3.3 空間域圖像增強3.3.1 空間域濾波基礎(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3.4.1 頻域濾波基礎(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 常見模糊退化模型4.4.1 運動模糊4.4.2 散焦模糊4.4.3 大氣擾動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)值計算方法6.2 圖像去噪與增強6.2.1 各向同性擴散6.2.2 各向異性擴散6.2.3 方向擴散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 改進的TV方法6.3.3 盲反卷積6.4 圖像分割6.4.1 測地活動輪廓模型6.4.2 無邊緣活動輪廓模型6.5 圖像修補6.5.1 TV修補模型6.5.2 曲率擴散方法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)計特征7.1.3 幾何特征7.2 紋理特征7.2.1 基于統(tǒng)計的紋理特征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 獨立成分分析7.4 基于角點的特征7.4.1 SIFT特征7.4.2 改進型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 圖像標識8.2 基于輪廓的形狀描述8.2.1 鏈碼表示8.2.2 簡單幾何邊界表示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 簡單標量區(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9.4.2 核Fisher判別分析9.5 集成學習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)用實例：基于Adaboost的特征集成及文字識別9.6.1 簡單分類問題9.6.2 手寫體數(shù)字識別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 研究內(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 點分布模型10.2.3 活動輪廓模型10.2.4 隱馬爾克夫模型10.3 場景中目標檢測與識別10.3.1 目標檢測10.3.2 目標識別10.4 場景描述與理解10.4.1 圖像理解控制策略10.4.2 場景分類10.4.3 目標之間關(guān)系10.4.4 場景標注和約束傳播10.5 語義分割與理解10.5.1 語義描述圖結(jié)構(gòu)10.5.2 語義區(qū)域增長10.5.3 遺傳圖像解釋10.6 本章小結(jié)參考文獻

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)字圖像處理與分析 PDF格式下載

---