MATLAB图像处理:能力提高与应用案例(第2版)/赵小川

提高篇 第1章 精通“图像特征提取 1.1 图像的直方图 1.1.1 灰度图像直方图 1.1.2 例程解析 1.1.3 彩色图像的RGB分量直方图 1.2 图像的不变矩特征 1.2.1 几何矩的基本原理 1.2.2 例程一点通 1.3 图像的边缘检测 1.3.1 运用一阶微分算子检测图像边缘 1.3.2 运用二阶微分算子检测图像边缘 1.3.3 基于Canny算子检测图像边缘 1.3.4 基于SUSAN特征检测算子的边缘提取 1.3.5 基于小波变换模极大值的边缘检测 1.3.6 基于二维有限冲击响应滤波器的特定角度边缘检测 1.3.7 基于多尺度形态学梯度的边缘检测 1.4 斑点特征检测 1.4.1 勾画“LoG斑点” 1.4.2 描绘“DoH斑点” 1.4.3 提取“Gi11es斑点” 1.5 角点特征检测 1.5.1 何谓“角点” 1.5.2 描绘“Harris角点” 1.5.3 例程一点通 1.5.4 融会贯通 1.6 SIFT不变特征提取与描述 1.6.1 SIFT算法 1.6.2 SIFT特征描述 1.6.3 例程精讲 第2章 图像配准和融合 2.1 图像配准及其实现 2.1.1 纵览“图像配准” 2.1.2 构建“配准模型” 2.1.3 相似性测度 2.1.4 基于灰度的图像配准 2.1.5 基于特征点的图像配准 2.2 图像融合及其实现 2.2.1 什么是图像融合 2.2.2 常见的图像融合类型 2.2.3 图像融合的主要步骤 2.2.4 图像融合的规则 2.2.5 图像融合效果评价 2.2.6 加权平均图像融合方法及其程序实现 2.2.7 基于主成分分析的图像融合方法及其程序实现 2.2.8 基于金字塔分解的图像融合 2.2.9 基于小波变换的图像融合 2.2.10 基于余弦变换的多聚焦图像融合 应用篇 第3章 品读“典型应用实例” 3.1 图像去噪技术及其实现 3.1.1 什么是“图像的噪声” 3.1.2 图像去噪常用方法 3.2 从向量相关角度实现图像匹配 3.2.1 基于相关运算图像匹配的过程 3.2.2 在向量空间分析图像相关匹配 3.2.3 基于向量相关的图像匹配的MATLAB实现 3.3 基于图像的车牌自动识别技术 3.3.1 汽车牌照自动识别系统 3.3.2 车牌自动识别的步骤 3.3.3 例程一点通 3.4 图像数字水印技术及其实现 3.4.1 追根溯源话“水印” 3.4.2 “图像数字水印技术”面对面 3.4.3 “图像数字水印算法”精讲 3.4.4 例程一点通 3.4.5 融会贯通 3.5 数字图像压缩技术及其实现 3.5.1 从几个“为什么”看“图像压缩” 3.5.2 从几个“如何”看“图像压缩” 3.5.3 例程一点通 3.6 基于Arno1d变换的图像加密技术 3.6.1 图像加密概述 3.6.2 基本原理 3.6.3 实现流程 3.6.4 例程精讲 3.7 基于*大类间方差阈值与遗传算法的道路分割 3.7.1 *大类间方差阈值分割法 3.7.2 遗传算法的基本原理及其特点 3.7.3 基于*大类间方差遗传算法的道路分割 3.7.4 例程一点通 3.8 数字图像处理在医疗领域的应用 3.8.1 基于数字图像的染色体分析 3.8.2 X光图像增强技术 3.9 基于红外图像的弱小目标检测与跟踪 3.9.1 何谓“弱小目标” 3.9.2 弱小目标检测与跟踪算法概述 3.9.3 基于局域概率分布的小目标检测 3.9.4 例程一点通 3.10 基于Retinex的雾霾清晰化处理及其代码实现 3.10.1 雾霾图像的特点 3.10.2 雾霾图像清晰化的方法概述 3.10.3 Retinex理论 3.10.4 基本实现过程 3.10.5 例程一点通 3.11 基于多尺度Retinex的雾霾清晰化处理及其代码实现 3.11.1 多尺度Retinex理论 3.11.2 例程一点通 3.12 基于大气耗散函数的雾霾图像清晰化及其代码实现 3.12.1 基本原理 3.12.2 程序实现 3.13 数字图像实时稳定技术及其实现 3.13.1 数字图像稳定算法的基本步骤 3.13.2 GC—BPM算法 3.13.3 例程一点通 3.14 基于帧间差分法的运动目标检测 3.14.1 浅析“运动目标检测” 3.14.2 基于帧间差分的运动目标检测 3.14.3 例程一点通 3.15 基于光流场的运动估计 3.15.1 光流和光流场的概念 3.15.2 光流场计算的基本原理 3.15.3 光流的主要计算方法 3.15.4 光流法的国内外研究状况 3.15.5 运用光流法检测运动物体的基本原理 3.15.6 例程一点通 3.15.7 学以致用 3.15.8 光流法的总结与展望 3.16 基于运动估计的医学视频倍频插帧技术及其代码实现 3.16.1 运动估计简介 3.16.2 运动估计的应用领域 3.16.3 运动估计方法分类 3.16.4 基于块匹配方法的运动估计 3.16.5 相关概念 3.16.6 匹配方法：价值函数 3.16.7 搜索算法 3.16.8 实际应用举例 3.17 基于肤色特征的人脸检测 3.17.1 色彩空间 3.17.2 基于色彩空间的肤色分割原理 3.17.3 基于肤色特征的人脸检测的实现 3.18 基于MeanShift的目标跟踪技术 3.18.1 MeanShift的起源 3.18.2 MeanShift的基本原理 3.18.3 基于MeanShift的目标跟踪 3.18.4 例程一点通 3.18.5 融会贯通 3.19 基于Ka1man滤波的目标跟踪 3.19.1 认识Ka1man 3.19.2 Ka1man滤波算法 3.19.3 例程一点通 3.19.4 解读Ka1man滤波 3.19.5 学以致用 3.20 基于Hough变换的人眼虹膜定位方法 3.20.1 分离瞳孔并估算出虹膜内半径 3.20.2 采用改进的Hough变换算法定位出虹膜内外边缘 3.20.3 例程一点通 3.21 基于模糊集的图像增强方法 3.21.1 模糊理论及其实现步骤 3.21.2 基于模糊集的图像增强方法 3.21.3 例程一点通 3.22 基于K—L变换的人脸识别技术 3.22.1 人脸识别技术的发展 3.22.2 研究人脸识别的意义 3.22.3 国内外研究状况分析 3.22.4 基于K—L变换的人脸识别 3.22.5 例程一点通 3.23 图像分割技术及其实现 3.23.1 什么是“图像分割” 3.23.2 基于阈值的图像分割 3.23.3 基于区域生长法的图像分割 3.23.4 基于*大方差法灰度门限的图像分割 3.23.5 基于K—means算法的图像分割 3.24 基于蚁群算法的图像边缘检测 3.24.1 认识“蚁群算法” 3.24.2 解析“蚁群算法” 3.24.3 基于蚁群优化的图像边缘检测方法 3.24.4 例程一点通 3.25 基于脉冲耦合神经网络的图像分割 3.25.1 脉冲耦合神经网络及其在图像分割中的应用 3.25.2 例程一点通 3.25.3 融会贯通 参考文献