MATLAB图像处理PDF电子书下载

提高篇 3

第1章 精通“图像特征提取” 3

1.1图像的直方图 3

1.1.1灰度图像直方图 3

1.1.2例程解析 3

1.1.3彩色图像的RGB分量直方图 5

1.2图像的不变矩特征 6

1.2.1几何矩的基本原理 6

1.2.2例程一点通 8

1.3图像的边缘检测 10

1.3.1运用一阶微分算子检测图像边缘 11

1.3.2运用二阶微分算子检测图像边缘 13

1.3.3基于Canny算子检测图像边缘 17

1.3.4基于SUSAN特征检测算子的边缘提取 20

1.3.5基于小波变换模极大值的边缘检测 23

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 26

1.3.7基于多尺度形态学梯度的边缘检测 28

1.4斑点特征检测 30

1.4.1勾画“LoG斑点” 30

1.4.2描绘“DoH斑点” 33

1.4.3提取“Gilles斑点” 34

1.5角点特征检测 35

1.5.1何谓“角点” 35

1.5.2描绘“Harris角点” 36

1.5.3例程一点通 40

1.5.4融会贯通 43

1.6SIFT不变特征提取与描述 48

1.6.1SIFT算法 48

1.6.2SIFT特征描述 52

1.6.3例程精讲 54

第2章 图像配准和融合 71

2.1图像配准及其实现 71

2.1.1纵览“图像配准” 71

2.1.2构建“配准模型” 72

2.1.3相似性测度 73

2.1.4基于灰度的图像配准 74

2.1.5基于特征点的图像配准 77

2.2图像融合及其实现 82

2.2.1什么是图像融合 82

2.2.2常见的图像融合类型 85

2.2.3图像融合的主要步骤 86

2.2.4图像融合的规则 86

2.2.5图像融合效果评价 87

2.2.6加权平均图像融合方法及其程序实现 89

2.2.7基于主成分分析的图像融合方法及其程序实现 89

2.2.8基于金字塔分解的图像融合 94

2.2.9基于小波变换的图像融合 98

2.2.10基于余弦变换的多聚焦图像融合 102

应用篇 109

第3章 品读“典型应用实例” 109

3.1图像去噪技术及其实现 109

3.1.1什么是“图像的噪声” 109

3.1.2图像去噪常用方法 110

3.2从向量相关角度实现图像匹配 114

3.2.1基于相关运算图像匹配的过程 114

3.2.2在向量空间分析图像相关匹配 114

3.2.3基于向量相关的图像匹配的MATLAB实现 115

3.3基于图像的车牌自动识别技术 116

3.3.1汽车牌照自动识别系统 116

3.3.2车牌自动识别的步骤 116

3.3.3例程一点通 117

3.4图像数字水印技术及其实现 119

3.4.1追根溯源话“水印” 119

3.4.2“图像数字水印技术”面对面 121

3.4.3“图像数字水印算法”精讲 122

3.4.4例程一点通 124

3.4.5融会贯通 128

3.5数字图像压缩技术及其实现 130

3.5.1从几个“为什么”看“图像压缩” 130

3.5.2从几个“如何”看“图像压缩” 132

3.5.3例程一点通 134

3.6基于Arnold变换的图像加密技术 143

3.6.1图像加密概述 143

3.6.2基本原理 144

3.6.3实现流程 146

3.6.4例程精讲 147

3.7基于最大类间方差阈值与遗传算法的道路分割 148

3.7.1最大类间方差阈值分割法 148

3.7.2遗传算法的基本原理及其特点 149

3.7.3基于最大类间方差遗传算法的道路分割 150

3.7.4例程一点通 151

3.8数字图像处理在医疗领域的应用 159

3.8.1基于数字图像的染色体分析 159

3.8.2X光图像增强技术 161

3.9基于红外图像的弱小目标检测与跟踪 163

3.9.1何谓“弱小目标” 164

3.9.2弱小目标检测与跟踪算法概述 164

3.9.3基于局域概率分布的小目标检测 165

3.9.4例程一点通 166

3.10基于Retinex的雾霾清晰化处理及其代码实现 168

3.10.1雾霾图像的特点 168

3.10.2雾霾图像清晰化的方法概述 169

3.10.3Retinex理论 169

3.10.4基本实现过程 170

3.10.5例程一点通 170

3.11基于多尺度Retinex的雾霾清晰化处理及其代码实现 173

3.11.1多尺度Retinex理论 173

3.11.2例程一点通 173

3.12基于大气耗散函数的雾霾图像清晰化及其代码实现 178

3.12.1基本原理 178

3.12.2程序实现 180

3.13数字图像实时稳定技术及其实现 184

3.13.1数字图像稳定算法的基本步骤 185

3.13.2GC－BPM算法 185

3.13.3例程一点通 186

3.14基于帧间差分法的运动目标检测 191

3.14.1浅析“运动目标检测” 191

3.14.2基于帧间差分的运动目标检测 192

3.14.3例程一点通 192

3.15基于光流场的运动估计 195

3.15.1光流和光流场的概念 195

3.15.2光流场计算的基本原理 195

3.15.3光流的主要计算方法 196

3.15.4光流法的国内外研究状况 197

3.15.5运用光流法检测运动物体的基本原理 198

3.15.6例程一点通 198

3.15.7学以致用 203

3.15.8光流法的总结与展望 204

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 206

3.16.1运动估计简介 206

3.16.2运动估计的应用领域 206

3.16.3运动估计方法分类 207

3.16.4基于块匹配方法的运动估计 208

3.16.5相关概念 209

3.16.6匹配方法：价值函数 210

3.16.7搜索算法 211

3.16.8实际应用举例 217

3.17基于肤色特征的人脸检测 226

3.17.1色彩空间 226

3.17.2基于色彩空间的肤色分割原理 227

3.17.3基于肤色特征的人脸检测的实现 227

3.18基于Mean Shift的目标跟踪技术 233

3.18.1Mean Shift的起源 233

3.18.2Mean Shift的基本原理 234

3.18.3基于Mean Shift的目标跟踪 236

3.18.4例程一点通 238

3.18.5融会贯通 243

3.19基于Kalman滤波的目标跟踪 245

3.19.1认识Kalman 246

3.19.2Kalman滤波算法 246

3.19.3例程一点通 247

3.19.4解读Kalman滤波 249

3.19.5学以致用 249

3.20基于Hough变换的人眼虹膜定位方法 252

3.20.1分离瞳孔并估算出虹膜内半径 252

3.20.2采用改进的Hough变换算法定位出虹膜内外边缘 253

3.20.3例程一点通 255

3.21基于模糊集的图像增强方法 269

3.21.1模糊理论及其实现步骤 269

3.21.2基于模糊集的图像增强方法 270

3.21.3例程一点通 271

3.22基于K－L变换的人脸识别技术 272

3.22.1人脸识别技术的发展 272

3.22.2研究人脸识别的意义 273

3.22.3国内外研究状况分析 273

3.22.4基于K－L变换的人脸识别 274

3.22.5例程一点通 275

3.23图像分割技术及其实现 277

3.23.1什么是“图像分割” 278

3.23.2基于阈值的图像分割 278

3.23.3基于区域生长法的图像分割 286

3.23.4基于最大方差法灰度门限的图像分割 288

3.23.5基于K－means算法的图像分割 291

3.24基于蚁群算法的图像边缘检测 294

3.24.1认识“蚁群算法” 294

3.24.2解析“蚁群算法” 295

3.24.3基于蚁群优化的图像边缘检测方法 297

3.24.4例程一点通 300

3.25基于脉冲耦合神经网络的图像分割 305

3.25.1脉冲耦合神经网络及其在图像分割中的应用 305

3.25.2例程一点通 306

3.25.3融会贯通 310

参考文献 312