数字图像处理算法及应用

第1章 绪论1.1 概述1.2 什么是数字图像处理1.3 数字图像处理研究内容1.4 图像处理和其他相关学科的关系1.5 图像处理的应用1.5.1 在航天和航空技术方面的应用1.5.2 在生物医学工程方面的应用1.5.3 在工业和工程方面的应用1.5.4 在军事公安方面的应用1.5.5 在文化艺术方面的应用1.5.6 在通信工程方面的应用1.6 小结习题第2章 基础知识与数学模型2.1 图像信息基础知识2.1.1 δ函数2.1.2 线性系统2.2 图像质量评价2.2.1 主观质量评价方法2.2.2 客观质量评价方法2.3 图像的数学描述2.3.1 图像的函数表示2.3.2 图像的统计表示2.3.3 图像处理的统计模型2.4 图像数字化2.4.1 图像采样2.4.2 图像量化2.5 像素间的基本关系2.5.1 邻域2.5.2 连通性2.5.3 距离2.6 小结习题第3章 图像常用的基本操作3.1 图像的点运算3.1.1 灰度直方图3.1.2 灰度的线性及对数变换3.1.3 直方图均衡化3.1.4 直方图规定化3.2 图像的几何变换3.2.1 简单的几何变换3.2.2 插值算法3.2.3 图像配准3.3 空间域图像增强3.3.1 空间域滤波3.3.2 图像平滑3.3.3 中值滤波3.3.4 图像锐化3.4 频率域图像增强3.4.1 傅里叶变换基础知识3.4.2 快速傅里叶变换3.4.3 低通滤波器3.4.4 高通滤波器3.5 形态学图像处理3.5.1 二值图像中的基本形态学运算3.5.2 灰度图像中的基本形态学运算3.6 小结习题第4章 图像复原4.1 图像退化模型4.1.1 连续函数退化模型4.1.2 离散的退化模型4.1.3 循环矩阵对角化4.1.4 退化函数估计4.2 常用图像复原法4.2.1 逆滤波4.2.2 维纳滤波4.2.3 几何失真校正4.2.4 从噪声中复原4.3 一种变尺度参数的irm去噪算法4.3.1 irm模型及其尺度参数4.3.2 变尺度参数的irm模型4.3.3 实验结果与分析4.4 基于逆尺度空间和contourlet阈值的mri重建方法4.4.1 压缩感知理论框架4.4.2 contourlet变换的基本性质4.4.3 基于逆尺度空间和contourlet变换的mri重建4.4.4 实验结果与分析4.5 小结习题第5章 图像分割5.1 概述5.2 相关算法理论基础5.2.1 颜色空间5.2.2 可变模型理论5.2.3 水平集理论5.2.4 harris角点检测算法5.3 人眼区域分割与定位5.3.1 基于adaboost人脸检测5.3.2 人眼定位5.3.3 基于椭圆拟合的眼睛轮廓提取5.4 基于改进levelset的中医舌体分割5.4.1 去除舌区域淤点并初始化舌体轮廓线5.4.2 增强舌体与皮肤之间的弱边界5.4.3 gac主动轮廓模型的水平集表不5.4.4 改进的水平集方法5.4.5 实验与讨论5.5 小结习题第6章 特征提取6.1 概述6.2 图像特征提取方法6.2.1 直方图6.2.2 灰度共生矩阵6.2.3 颜色特征6.2.4 形状上下文特征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变换6.3 特征降维6.3.1 奇异值分解6.3.2 主成分分析6.3.3 核主成分分析6.3.4 线性鉴别方法6.4 基于ikda的并行特征融合人脸表情识别6.4.1 特征融合策略6.4.2 改进的核lda6.4.3 实验结果与分析6.5 小结习题第7章 视频跟踪7.1 概述7.2 视频跟踪的应用7.2.1 视频监控7.2.2 视觉导航7.2.3 三维重构7.2.4 其他7.3 视频跟踪的技术现状7.3.1 视频跟踪方法的分类7.3.2 视频跟踪算法7.3.3 视频跟踪中的技术难点7.4 视频跟踪的基础核心技术7.4.1 目标表示方法及目标特征7.4.2 目标的检测方法7.4.3 目标的跟踪方法7.4.4 目标跟踪算法的性能评估……第8章 图像识别初步第9章 神经网络分类器第10章 支持向量机第11章 动态贝叶斯网络附录a 数字图像处理技术词汇表附录b 数序基础参考文献