小波理论及其在图像处理中的应用/郑勋烨/普通高等教育十三五规划教材

第1章 绪论
1．1 引言：小波理论与图像处理
1．2 经典小波理论的源流与发展
1．2．1 傅里叶分析和早期探索
1．2．2 连续小波变换
1．2．3 多尺度分析
1．2．4 经典小波体系
1．2．4．1 哈尔Haar小波族
1．2．4．2 道波茜Daubechies小波族
1．2．4．3 symlets（symN）小波族
1．2．4．4 双正交（Biorthogonal）小波族
1．2．4．5 Coiflet小波族
1．2．4．6 莫莱Morlet小波
1．2．4．7 墨西哥草帽（Mexican Hat）小波
1．2．4．8 迈耶Meyer小波
1．2．5 小波包、多小波和提升方法
1．3 新型小波族及其图像处理应用综述
1．3．1 经典小波分析的优缺点
1．3．2 新型小波系统的改良
1．3．2．1 降低平移敏感性
1．3．2．2 增强方向选择性
1．3．2．3 提供相位信息
1．3．3 非自适应新型小波系统
1．4 本书的研究内容与组织结构
1．5 主要创新点和贡献

第2章 数字音像信号小波去噪方法
2．1 小波在一维语音信号去噪中的应用
2．1．1 小波滤波去噪方法的工程背景
2．1．2 一维语音信号小波滤波基本方法
2．1．3 小波变换模极大值的奇异点传播特性
2．1．4 高斯白噪声的小波变换模极大值的尺度传播特性
2．1．5 一维音频信号去噪算法
2．2 非线性小波阈值音乐去噪
2．2．1 选择小波基和小波分解层数
2．2．2 选择阈值函数
2．2．3 选择阈值
2．2．4 小波去噪性能的评价标准
2．2．5 音乐信号去噪的仿真实验及结果分析
2．2．5．1 全局阈值去噪法的结果分析
2．2．5．2 分层阈值去噪法的结果分析
2．2．5．3 不同分解层数对去噪结果的影响比较
2．3 小波二维图像去噪方法
2．3．1 二维小波变换及快速算法
2．3．2 二维小波去噪效果的评价指标
2．3．3 二维小波图像去噪算法
2．3．3．1 阈值的选择
2．3．3．2 阈值函数的选择
2．3．3．3 算法的实现步骤
2．3．4 二维小波图像去噪仿真实验
2．4 本章小结

第3章 小波在纹理图像处理中的应用
3．1 纹理与小波
3．1．1 纹理的定义
3．1．2 地图的纹理图像属性
3．2 纹理研究的基本问题和主要方法回溯
3．3 纹理图像分类与融合
3．3．1 纹理图像库简介
3．3．2 离散小波框架变换与纹理分类
3．3．2．1 离散小波框架变换
3．3．2．2 离散小波框架变换用于纹理分类
3．3．3 基于嘉伯小波和核方法的纹理图像分割算法
3．3．3．1 特征提取
3．3．3．2 分割算法
3．3．3．3 仿真实验
3．4 本章小结

第4章 脊波和曲波变换方法
4．1 脊波变换概念
4．1．1 连续脊波变换
4．1．2 有限脊波变换
4．1．3 有限Radon变换
4．1．4 正交脊波基
4．2 基于全局和局部对偶框架的数字脊波重构
4．2．1 快速Slant Stack变换
4．2．2 离散迈耶小波
4．2．3 数字脊波
4．2．4 基于全局对偶框架的图像压缩和去噪算法
4．2．5 基于局部对偶框架的图像压缩和去噪算法
4．3 图像去噪的数字曲波变换算法
4．3．1 连续曲波变换
4．3．2 数字曲波变换
4．3．3 数字曲波变换去噪仿真实验
4．4 基于曲波变换的遥感图像分解
4．4．1 图像卡通部分和纹理部分的分解
4．4．2 仿真实验
4．5 本章小结

第5章 嘉伯小波图像目标识别方法
5．1 嘉伯变换及其函数特性
5．2 提取嘉伯变换小波特征的方法
5．3 小波特征模板
5．3．1 能量函数的确定和*小化
5．3．2 参数优化
5．3．3 小波特征模板的算法
5．4 多通道嘉伯变换滤波器
5．4．1 多通道嘉伯滤波器展开
5．4．2 多通道嘉伯滤波器选择原则
5．4．3 多通道嘉伯滤波器设计
5．5 本章小结

第6章 轮波变换与影像融合
6．1 二维离散小波变换
6．2 轮波变换
6．2．1 轮波变换多尺度分析
6．2．2 框架金字塔
6．2．3 方向滤波器组
6．2．4 轮波变换的改进
6．3 多尺度轮波变换方法遥感影像融合
6．3．1 影像融合中常用的经典小波分解
6．3．2 多光谱与全色影像小波域融合规则
6．3．3 *小二乘估计与多光谱与全色影像小波变换融合方法
6．3．4 小波基的选择、分解层次及算法
6．4 常用SAR与小波多光谱影像融合方法比较分析
6．5 SAR影像的多孔小波与轮波融合
6．5．1 SAR影像的多孔小波融合
6．5．2 SAR影像的轮波融合
6．6 本章小结

第7章 基于曲波的活动轮廓图像分割
7．1 图像分割与曲波变换
7．1．1 引言：蛇形活动轮廓理论
7．1．2 蛇形活动轮廓理论的发展
7．1．3 曲波和其他小波的比较
7．1．4 曲波解决的问题
7．2 基于曲波的测地线活动轮廓
7．2．1 水平集概念
7．2．2 基于曲波的测地线活动轮廓与边界探测函数构造
7．2．3 改进的曲波重构算法
7．2．4 曲波尺度集上的边界地图
7．2．5 Snake在曲波尺度间的穿越
7．2．6 曲波测地线活动轮廓算法
7．2．7 曲波测地线活动轮廓处理含噪图像仿真实验
7．3 本章小结

第8章 复小波图像去噪方法
8．1 复小波理论基本概念
8．1．1 双正交完全重构滤波器
8．1．2 希尔伯特变换对
8．2 二元树复小波变换
8．2．1 二元树复小波变换
8．2．2 二元树复小波变换滤波器设计
8．2．3 二元树复小波平移不变性和方向性分析
8．2．4 二元树复小波变换的实现
8．3 图像的小波域统计模型
8．3．1 双变量收缩（BiSlafink）模型
8．3．2 高斯尺度混合（Gaussian Scale Mixture，GSM）模型
8．3．3 隐马尔可夫树（HMT，Hidden Markov Tree）模型
8．4 二元树复小波构造
8．4．1 希尔伯特变换对设计
8．4．2 二元树复小波变换滤波器设计
8．5 复小波在图像去噪中的应用
8．5．1 复小波域内利用尺度间和尺度内相关性的图像去噪
8．5．2 基于二元树复小波变换的去噪算法
8．5．3 复小波去噪仿真买验
8．6 本章小结

第9章 总结与展望
9．1 总结：小波图像处理的成果与问题
9．2 展望：全息地图概念构想

后记
参考文献
附录（小波名词索引）