第1章 绪论 1
1.1 图像和图像工程 1
1.1.1 图像基础 1
1.1.2 图像工程 2
1.2 图像分析概论 5
1.2.1 图像分析定义和研究内容 5
1.2.2 图像分析系统 7
1.3 图像分析中的数字化 8
1.3.1 离散距离 8
1.3.2 连通组元 10
1.3.3 数字化模型 12
1.3.4 数字弧和弦 16
1.4 距离变换 18
1.4.1 定义和性质 18
1.4.2 局部距离的计算 19
1.4.3 距离变换的实现 20
1.5 内容框架和特点 22
总结和复习 24
第1单元 图像分割 29
第2章 图像分割基础 29
2.1 图像分割定义和技术分类 29
2.2 并行边界技术 30
2.2.1 边缘及检测原理 30
2.2.2 正交梯度算子 31
2.2.3 方向微分算子 32
2.2.4 二阶导数算子 34
2.2.5 边界闭合 38
2.3 串行边界技术 39
2.3.1 主动轮廓模型 39
2.3.2 能量函数 40
2.4 并行区域技术 42
2.4.1 原理和分类 42
2.4.2 依赖像素的阈值选取 44
2.4.3 依赖区域的阈值选取 46
2.4.4 依赖坐标的阈值选取 49
2.4.5 空间聚类 50
2.5 串行区域技术 51
2.5.1 区域生长 51
2.5.2 分裂合并 52
总结和复习 53
第3章 典型分割算法 57
3.1 兴趣点检测 57
3.1.1 二阶导数检测角点 57
3.1.2 最小核同值区算子 58
3.1.3 哈里斯兴趣点算子 62
3.2 图割方法 64
3.3 特色的阈值化和聚类技术 70
3.3.1 多分辨率阈值选取 70
3.3.2 借助过渡区选择阈值 71
3.3.3 借助均移确定聚类 74
3.4 分水岭分割算法 76
3.4.1 基本原理和步骤 76
3.4.2 算法改进和扩展 80
总结和复习 83
第4章 分割技术扩展 86
4.1 从像素单元到目标单元 86
4.1.1 像素和目标之间的单元 87
4.1.2 椭圆目标检测 88
4.2 从哈夫变换到广义哈夫变换 90
4.2.1 哈夫变换 90
4.2.2 广义哈夫变换原理 94
4.2.3 完整广义哈夫变换 96
4.3 从像素精度到亚像素精度 98
4.3.1 基于矩保持的技术 98
4.3.2 利用一阶微分期望值的技术 99
4.3.3 借助切线信息的技术 99
4.4 从2-D图像到3-D图像 101
4.4.1 3-D边缘检测 102
4.4.2 3-D图像阈值化 106
4.5 从灰度图像到彩色图像 108
4.5.1 彩色空间的选择 108
4.5.2 彩色图像分割策略 109
总结和复习 110
第5章 分割评价比较 113
5.1 分割评价研究分类 114
5.2 分割算法评价框架 115
5.3 分割评价的准则 117
5.3.1 分析法准则 117
5.3.2 优度试验法准则 119
5.3.3 差异试验法准则 120
5.4 分割算法评价示例 122
5.4.1 实验算法和图像 122
5.4.2 实验结果和讨论 123
5.5 评价方法和准则比较 125
5.5.1 方法讨论和对比 126
5.5.2 准则的分析比较 127
5.5.3 准则的实验比较 128
5.6 基于评价的算法优选系统 131
5.6.1 算法优选思想和策略 131
5.6.2 优选系统的实现和效果 132
总结和复习 134
第2单元 表达描述 139
第6章 目标表达 139
6.1 基于边界的表达 139
6.1.1 技术分类 139
6.1.2 链码 140
6.1.3 边界段 142
6.1.4 边界标志 144
6.1.5 多边形 146
6.1.6 地标点 147
6.2 基于区域的表达 148
6.2.1 技术分类 148
6.2.2 空间占有数组 149
6.2.3 四叉树 149
6.2.4 金字塔 151
6.2.5 围绕区域 152
6.2.6 骨架 154
6.3 基于变换的表达 157
6.3.1 技术分类 157
6.3.2 傅里叶变换表达 158
总结和复习 159
第7章 目标描述 162
7.1 基于边界的描述 162
7.1.1 简单边界描述符 162
7.1.2 形状数 164
7.1.3 边界矩 165
7.2 基于区域的描述 165
7.2.1 简单区域描述符 165
7.2.2 拓扑描述符 170
7.2.3 区域不变矩 174
7.3 对目标关系的描述 177
7.3.1 目标标记和计数 177
7.3.2 点目标的分布 183
7.3.3 字符串描述 184
7.3.4 树结构描述 186
总结和复习 187
第8章 测量和误差分析 189
8.1 直接测度和间接测度 189
8.2 需区别的术语 191
8.2.1 准确性和精确性 191
8.2.2 模型假设和实际观察 193
8.2.3 4-连通和8-连通 194
8.3 影响测量误差的因素 196
8.3.1 误差来源 196
8.3.2 光学镜头分辨率 197
8.3.3 采样密度 198
8.3.4 分割算法 204
8.3.5 特征计算公式 205
8.3.6 综合影响 208
8.3.7 随机样本共识 208
8.4 误差分析 209
总结和复习 211
第3单元 特性分析 215
第9章 纹理分析 215
9.1 纹理研究概况 215
9.2 纹理描述的统计方法 217
9.2.1 灰度共生矩阵 217
9.2.2 基于共生矩阵的纹理描述符 218
9.2.3 基于能量的纹理描述符 219
9.3 纹理描述的结构方法 221
9.3.1 结构描述法基础 221
9.3.2 纹理镶嵌 223
9.3.3 局部二值模式 224
9.4 纹理描述的频谱方法 227
9.4.1 傅里叶频谱 227
9.4.2 盖伯频谱 228
9.5 一种纹理分类合成方法 230
9.6 纹理分割 232
9.6.1 有监督纹理分割 233
9.6.2 无监督纹理分割 235
总结和复习 237
第10章 形状分析 240
10.1 形状定义和研究 240
10.2 平面形状的分类 242
10.3 形状特性的描述 243
10.3.1 形状紧凑性描述 244
10.3.2 形状复杂性描述 249
10.4 基于技术的描述 252
10.4.1 基于多边形的描述符 252
10.4.2 基于离散曲率的描述符 254
10.5 拓扑结构的描述 257
10.6 分形维数 258
总结和复习 262
第11章 运动分析 264
11.1 运动研究内容 264
11.2 运动目标检测 265
11.2.1 背景建模 265
11.2.2 光流场 270
11.2.3 特定运动模式的检测 273
11.3 运动目标分割 274
11.3.1 目标分割和运动信息提取 274
11.3.2 稠密光流算法 275
11.3.3 基于参数和模型的分割 277
11.4 运动目标跟踪 280
11.4.1 典型技术 280
11.4.2 子序列决策策略 286
总结和复习 287
第12章 显著性和属性 289
12.1 显著性概述 290
12.2 显著性检测 292
12.3 显著区域分割提取 294
12.3.1 基于对比度幅值 294
12.3.2 基于对比度分布 296
12.3.3 基于最小方向对比度 298
12.3.4 显著目标分割和评价 300
12.4 属性描述概况 302
12.5 属性提取中的特征比较 304
12.6 属性应用 306
12.6.1 跨类目标分类 306
12.6.2 属性学习和目标识别 308
12.6.3 基于局部动作属性的动作分类 310
总结和复习 311
第4单元 数学工具 317
第13章 数学形态学：二值 317
13.1 基本集合定义 317
13.2 二值形态学基本运算 319
13.2.1 二值膨胀和腐蚀 319
13.2.2 二值开启和闭合 324
13.2.3 二值基本运算性质 326
13.3 二值形态学组合运算 327
13.3.1 击中-击不中变换 327
13.3.2 二值组合运算 330
13.4 二值形态学实用算法 334
总结和复习 339
第14章 数学形态学：灰度 341
14.1 灰度图像的排序 341
14.2 灰度形态学基本运算 342
14.2.1 灰度膨胀和腐蚀 342
14.2.2 灰度开启和闭合 346
14.2.3 灰度基本运算性质 348
14.3 灰度形态学组合运算 348
14.4 灰度形态学实用算法 352
14.5 图像代数 358
总结和复习 361
第15章 图像识别 364
15.1 模式和分类 364
15.2 不变量交叉比 365
15.2.1 交叉比 365
15.2.2 非共线点的不变量 367
15.2.3 对称的交叉比函数 368
15.2.4 交叉比应用示例 369
15.3 统计模式识别 370
15.3.1 最小距离分类器 370
15.3.2 最优统计分类器 371
15.3.3 自适应自举 375
15.4 感知机和支持向量机 376
15.4.1 感知机 376
15.4.2 支持向量机 380
15.5 结构模式识别 383
15.5.1 字符串结构识别 383
15.5.2 树结构识别 386
总结和复习 388
附录A 人脸和表情识别 391
A.1 生物特征识别 391
A.2 人脸检测定位 392
A.2.1 基本方法 393
A.2.2 基于豪斯道夫距离的方法 393
A.3 脸部器官提取和跟踪 396
A.3.1 眼睛几何模型及确定 396
A.3.2 眨眼过程中的眼睛轮廓跟踪 398
A.4 表情识别 400
A.4.1 表情识别和步骤 400
A.4.2 表情特征提取 401
A.4.3 基于盖伯变换的特征提取 405
A.4.4 表情分类 406
A.4.5 基于高阶奇异值分解的分类 408
A.5 人脸识别 412
A.5.1 边缘本征矢量加权方法 412
A.5.2 非特定表情人脸识别 413
部分思考题和练习题解答 415
参考文献 421
主题索引 438