数字图像处理算法研究PDF电子书下载

第1章 绪论 1

1.1 课题研究背景及意义 1

1.2 数字图像处理算法研究现状 2

1.2.1 数字图像增强算法研究现状 2

1.2.2 数字图像边缘检测算法研究现状 2

1.2.3 数字图像分割算法研究现状 3

1.2.4 小波变换在图像处理中应用的研究现状 4

1.2.5 人脸识别算法研究现状 4

1.2.6 分数阶微积分算法研究现状 5

1.3 创新点 6

第2章 数字图像增强算法 8

2.1 空域图像增强算法 8

2.1.1 直接灰度变换算法 8

2.1.2 直方图增强 10

2.1.3 空域滤波增强 15

2.2 频域滤波增强算法 23

2.2.1 低通滤波器 23

2.2.2 高通滤波器 28

2.2.3 同态滤波器 29

2.3 图像增强算法比较 31

第3章 数字图像边缘检测算法 32

3.1 经典的边缘检测算法 32

3.1.1 一阶微分的边缘检测算法 32

3.1.2 基于二阶微分的边缘检测方法 37

3.2 边缘检测改进算法——三阶差分边缘检测算法 42

3.2.1 三阶差分滤波器模板系数的推导 42

3.2.2 三阶差分滤波器模板的构造 44

3.2.3 三阶差分的图像边缘检测运算 45

3.2.4 算法验证及分析 45

3.3 边缘检测算法比较 46

第4章 数字图像分割算法 48

4.1 基于区域的分割算法 49

4.1.1 区域生长法 49

4.1.2 区域分裂与合并法 52

4.2 阈值分割算法 55

4.2.1 直方图双峰法 56

4.2.2 最大类间方差法 58

4.2.3 迭代法 59

4.3 基于形态学分水岭的分割算法 61

4.3.1 算法原理 61

4.3.2 分水岭分割仿真实现 63

4.4 其他分割算法概述 70

4.4.1 边缘检测图像分割 70

4.4.2 基于模型的图像分割 71

4.4.3 基于人工智能的图像分割 71

4.5 算法总结 72

第5章 基于小波理论的图像处理算法 73

5.1 小波变换 73

5.1.1 小波函数 73

5.1.2 一维小波变换 73

5.1.3 二位小波函数 74

5.1.4 小波变换的多分辨率分析 75

5.1.5 Mallat算法 76

5.2 基于小波变换的图像处理 78

5.2.1 图像的小波分解及重构 78

5.2.2 基于小波变换的图像非线性增强 80

5.2.3 基于小波变换的图像钝化 81

5.2.4 基于小波变换的图像锐化 82

5.2.5 基于小波变换的图像去噪 84

5.2.6 基于小波单支重构的图像增强 87

第6章 人脸识别算法 95

6.1 PCA人脸识别算法 95

6.1.1 PCA的理论基础 95

6.1.2 PCA人脸识别算法步骤 97

6.1.3 PCA算法实现 100

6.1.4 PCA方法的优点 105

6.2 基于稀疏差分和Mean-Shift滤波的Retinex算法在人脸识别中的应用 105

6.2.1 人脸图像的稀疏表示 105

6.2.2 人脸光照的算法改进 106

6.2.3 算法仿真 108

6.3 算法总结 110

第7章 分数阶微分图像增强算法 112

7.1 Grumwald-letnikow分数阶微分定义 112

7.1.1 Grumwald-letnikow数学表达式 112

7.1.2 分数阶微分滤波器的构造 114

7.1.3 分数阶微分的图像增强运算 115

7.1.4 算法仿真 115

7.2 基于图像复杂度的自适应分数阶微分算法 119

7.2.1 算法理论依据 119

7.2.2 自适应分数阶微分算法 120

7.2.3 仿真实验 121

7.2.4 算法总结 124

第8章 基于小波变换的Grumwald-letnikow分数阶微分算法 125

8.1 小波的分解及重构 125

8.1.1 二进正交变换（mallat算法） 125

8.1.2 图像重构 125

8.2 基于Grumwald-letnikow的分数阶微分算法 126

8.2.1 数学理论 126

8.2.2 数字图像的分数阶微分前向差分近似表达式及模板 127

8.2.3 分数阶微分模板改进 128

8.2.4 基于小波变换的Grumwald-letnikow分数阶微分算法设计 129

8.3 基于小波变换的Grumwald-letnikow分数阶微分算法仿真 130

8.3.1 不同分阶数下图像增强效果 130

8.3.2 本文算法与分数阶微分算法增强图像比较 133

8.3.3 算法总结 134

第9章 分数阶积分图像去噪算法 135

9.1 分数阶积分定义及频率特性 135

9.1.1 分数阶微积分Grumwald-letnikow定义 135

9.1.2 分数阶积分频率特性 135

9.2 分数阶积分模板构造 136

9.2.1 图像分数阶积分处理的数学表达式 136

9.2.2 模板系数的提取及模板构造 137

9.2.3 分数阶积分去噪算法规则 139

9.3 分数阶积分算法去噪效果 139

9.3.1 高斯噪声下的算法去噪效果 139

9.3.2 乘性噪声下的算法去噪效果 142

9.3.3 高斯噪声下分数阶积分算法与滤波去噪方法效果对比 144

9.3.4 乘性噪声下分数阶积分算法与滤波去噪方法效果对比 145

9.3.5 算法总结 147

第10章 车牌识别算法 148

10.1 车牌识别系统的设计 148

10.1.1 设计原理 148

10.1.2 各模块的实现 149

10.2 车牌识别算法验证 157

10.2.1 算法程序 157

10.2.2 算法验证结果 163

10.2.3 算法验证结果分析 168

10.3 算法总结 169

参考文献 170