数字图像理解与智能技术 基于MATLAB和VC++实现PDF电子书下载

第1章 数字图像理解与智能技术引论 1

1.1数字图像理解概述 1

1.2图像理解的特点 4

1.3图像理解的研究内容 4

1.3.1目标识别 5

1.3.2场景理解 6

1.4图像理解的发展及其在农业中的应用 7

1.4.1图像理解的发展 7

1.4.2图像理解在农业中的应用 8

1.5图像理解与智能技术的系统构成 11

1.5.1采像 12

1.5.2分析 26

1.5.3理解 39

参考文献 46

第2章 小波变换 47

2.1小波变换概述 47

2.2小波与小波变换 48

2.3离散小波变换 50

2.4小波族 53

2.5图像处理中的小波变换 57

2.5.1基于小波变换的图像分解与重构 57

2.5.2基于小波变换的图像增强 59

2.5.3基于小波变换的图像平滑 61

2.5.4基于小波变换的图像压缩 62

2.5.5基于小波变换的图像合成 64

参考文献 66

第3章 图像融合 67

3.1图像融合概述 67

3.1.1图像融合的应用 68

3.1.2图像融合的方法 69

3.2图像融合的关键技术 70

3.3典型图像融合算法 71

3.4塔式分解法 76

3.4.1非采样Contourlet算法的特点 77

3.4.2非采样Contourlet变换原理 78

3.4.3图像融合规则 81

3.5基于视觉特性的图像融合 86

3.5.1人眼视觉特性的相关概念 86

3.5.2基于视觉识别特性的图像融合算法原理 88

3.5.3多聚焦图像融合算法 89

3.6图像融合性能评价 92

3.6.1图像融合方法的基本要求 92

3.6.2图像融合效果评定方法 93

3.7应用研究实例 95

参考文献 95

第4章 图像识别 97

4.1图像识别概述 97

4.2模板匹配方法 99

4.3统计模式识别 100

4.4支持向量机 103

4.5仿生模式识别 106

4.5.1仿生模式识别理论 106

4.5.2高维空间几何理论 107

4.5.3基于仿生模式识别的人脸识别 109

4.6应用研究实例 114

参考文献 114

第5章 神经网络 115

5.1神经网络概述 115

5.2生物学基础 116

5.3人工神经元 117

5.4神经网络的特点 119

5.5 BP神经网络 120

5.5.1 BP神经网络概述 120

5.5.2 BP神经网络的训练学习 121

5.5.3 BP神经网络的Matlab示例 124

5.6应用研究实例 126

参考文献 127

第6章 遗传算法 128

6.1遗传算法概述 128

6.2生物学基础 130

6.3简单遗传算法 131

6.3.1遗传表达 131

6.3.2遗传算子 132

6.4遗传参数 134

6.4.1交叉概率Pc和变异概率Pm 134

6.4.2其他参数 135

6.4.3遗传参数的确定 135

6.5适应度函数 135

6.5.1目标函数映射为适应度函数 136

6.5.2适应度函数的尺度变换 136

6.5.3适应度函数设计对GA的影响 137

6.6模式定理 138

6.6.1模式的几何解释 140

6.6.2 GA的操作对模式的影响 141

6.7遗传算法在模板匹配中的应用 143

6.7.1问题的设定 143

6.7.2 GA的应用方法 145

6.7.3简单GA的Matlab程序示例 146

6.7.4程序执行过程 164

6.8应用研究实例 166

参考文献 169

第7章 数字水印 170

7.1数字水印概述 170

7.2基于DCT域的鲁棒水印 172

7.3基于空间域的脆弱水印 179

7.4基于DWT域的脆弱水印 185

7.5应用研究实例 192

参考文献 193

第8章 视频处理 194

8.1视频处理概述 194

8.2视频生成与成像模型 194

8.2.1视频生成简介 194

8.2.2视频成像模型 195

8.3视频编码 199

8.3.1视频编码概述 199

8.3.2视频编码标准 199

8.4运动目标龈踪 202

8.4.1运动目标检测算法 203

8.4.2运动目标跟踪算法 204

8.5应用研究实例 213

8.5.1视频跟踪在昆虫运动分析和行为识别中的应用 213

8.5.2机器视觉在草地蝗虫识别中的应用 215

8.5.3远程农作物视频采集系统 216

参考文献 217

第9章 光谱成像 218

9.1光谱成像概述 218

9.1.1光谱成像原理 218

9.1.2光谱成像方式 220

9.1.3光谱成像数据及描述模型 224

9.1.4光谱成像检测技术的发展趋势 228

9.2光谱图像处理 230

9.2.1光谱图像预处理 230

9.2.2光谱图像特征的选取与分类方法 232

9.2.3光谱图像分类中的模式识别方法 234

9.3应用研究实例 244

9.3.1利用多时相Landsat高光谱图像监测冬小麦和苜蓿种植面积 244

9.3.2基于光谱图像的作物长势监测 247

参考文献 249

第10章 遥感图像处理基础 250

10.1遥感图像处理概述 250

10.2遥感图像目视解译与判读 251

10.2.1判读要素 251

10.2.2判读标志 252

10.2.3判读方法 252

10.2.4遥感判读的基本技术 253

10.3遥感图像的数字表达 254

10.4遥感图像的存储 254

10.4.1HDF 255

10.4.2 BSQ 258

10.4.3 BIP 258

10.4.4 BIL 258

10.5遥感图像特征的统计分析 258

10.5.1遥感图像的特征 258

10.5.2成像方式分类 259

10.6常用遥感图像处理软件 260

10.6.1 ENVI 260

10.6.2 ERDAS IMAGINE 261

10.6.3 Titan Image 262

10.7高光谱遥感 264

10.7.1高光谱遥感的特点 265

10.7.2高光谱遥感的优势 265

10.7.3高光谱遥感的应用领域 265

10.8应用研究实例 267

10.8.1正交子空间投影目标探测法 267

10.8.2实验结果与分析 270

参考文献 273

附录Matlab和VC＋＋接口技术 274

1. Matlab和VC＋＋接口技术概述 274

2. Matlab和VC＋＋常用接口技术比较 274

3. MATCOM C＋＋数学库的使用 277

4.程序编写过程示例 279