第一章 绪论 1
1.1 数字图像处理技术 1
1.1.1 数字图像处理技术理论基础 1
1.1.2 数字图像处理技术概述 3
1.1.3 数字图像处理技术应用介绍 5
1.2 边缘检测技术概述 6
1.2.1 边缘检测技术介绍 6
1.2.2 边缘检测技术的研究进展 7
1.2.3 边缘检测中存在的问题和发展趋势 8
1.3 本书的组织结构 9
第二章 图像预处理技术 11
2.1 灰度变换 11
2.1.1 线性变换 11
2.1.2 分段线性变换 12
2.1.3 非线性变换 13
2.2 直方图修正 14
2.3 图像噪声的滤除 16
2.3.1 邻域平均法 17
2.3.2 加权平均法 18
2.3.3 中值滤波 19
2.3.4 空域低通滤波 20
2.4 图像锐化 21
2.4.1 统计差值法 21
2.4.2 离散空间差分法 21
2.4.3 空域高通滤波 24
2.5 频域滤波增强 24
2.5.1 频域低通滤波 25
2.5.2 频域高通滤波 25
2.6 同态滤波 25
2.7 彩色增强 26
2.7.1 伪彩色增强 26
2.7.2 假彩色增强 27
2.8 本章小结 28
第三章 整像素边缘检测算法 29
3.1 边缘的定义及类型 29
3.2 整像素边缘检测算法的步骤 30
3.3 整像素边缘检测算子介绍 31
3.3.1 Sobel算法 31
3.3.2 Roberts算子 32
3.3.3 Prewitt算子 33
3.3.4 Laplace算子 34
3.3.5 LOG算子 35
3.3.6 Canny算子 37
3.3.7 SUSAN算法 38
3.4 整像素检测算法的实验比较 40
3.5 本章小结 42
第四章 基于拟合的亚像素边缘检测算法 43
4.1 亚像素边缘检测的必要性 43
4.2 基于高斯拟合模型的亚像素边缘检测算法 44
4.3 基于双曲正切边缘模型的边缘检测算法 45
4.3.1 双曲正切函数 45
4.3.2 一维双曲正切边缘模型 47
4.3.3 二维双曲正切边缘模型 48
4.3.4 基于Nelder-Mead算法的边缘参数求解 49
4.4 基于贝塞尔边缘模型的亚像素边缘检测方法 50
4.4.1 贝塞尔型点扩散函数及其修正模型 50
4.4.2 修正贝塞尔边缘模型 53
4.4.3 模拟数字采样过程 54
4.4.4 基于最小二乘差的亚像素边缘检测方法求解 55
4.4.5 贝塞尔型边缘模型修正的作用 56
4.4.6 修正贝塞尔边缘检测方法精度的评价 62
4.5 基于反正切函数的亚像素边缘检测方法 65
4.5.1 反正切函数数学特征 65
4.5.2 一维边缘检测 66
4.5.3 二维边缘模型的亚像素边缘检测 67
4.6 基于正交多项式拟合的亚像素边缘检测算法 68
4.6.1 算法的检测流程 68
4.6.2 算法理论基础 69
4.6.3 一维模型边缘检测 70
4.6.4 二维模型边缘检测 72
4.7 本章小结 73
第五章 基于矩的亚像素边缘检测算法 74
5.1 基于空间矩的亚像素边缘检测方法 74
5.1.1 空间矩理论 74
5.1.2 空间矩亚像素边缘检测方法 74
5.1.3 空间矩亚像素边缘检测算法的改进 79
5.2 基于灰度矩的亚像素边缘检测方法 82
5.2.1 灰度矩理论 82
5.2.2 灰度矩亚像素边缘检测方法 82
5.2.3 灰度矩亚像素边缘检测方法的改进 84
5.3 基于Zernike矩的亚像素边缘检测方法 89
5.3.1 Zernike矩理论 89
5.3.2 Zernike矩亚像素边缘检测方法 90
5.3.3 Zernike矩亚像素边缘检测方法的改进 93
5.4 基于legendre正交矩的亚像素边缘定位方法 95
5.4.1 Legendre正交矩定义及性质 95
5.4.2 基于Legendre正交矩的亚像素边缘检测方法原理 96
5.5 本章小结 100
第六章 基于插值的亚像素边缘算法 101
6.1 插值理论预备知识 101
6.1.1 插值法的基本原理 101
6.1.2 Lagrange插值 102
6.1.3 Newton插值 103
6.1.4 分段线性插值 105
6.1.5 三次样条插值 106
6.2 基于插值的边缘检测算法 107
6.2.1 基于多项式插值的亚像素边缘检测方法 107
6.2.2 基于拉格朗日插值的亚像素边缘检测 110
6.2.3 基于三次样条函数插值的亚像素边缘检测算法 111
6.3 本章小结 114
第七章 光条中心线检测方法 115
7.1 影响光条图像质量的因素分析 115
7.1.1 反射对光条的影响 116
7.1.2 被测物体表面形貌对光条的影响 117
7.1.3 被测物体表面颜色对光条的影响 117
7.1.4 环境光强对光条的影响 117
7.2 激光光条图像的预处理 118
7.2.1 激光图像滤波 118
7.2.2 激光图像的特征增强 119
7.2.3 激光图像阈值分割 120
7.3 光条中心线的传统提取方法 121
7.3.1 极值法 121
7.3.2 阈值法 121
7.3.3 方向模板法 122
7.3.4 曲线拟合法 123
7.3.5 Hessian矩阵法 125
7.4 改进的光条中心检测算法 126
7.4.1 基于空间矩的光条中心检测算法 126
7.4.2 基于勒让德矩的光条中心检测算法 130
7.5 光条中心检测的精度评价 133
7.5.1 基于距离的光条中心精度评价 133
7.5.2 基于残差的光条中心精度评价 133
7.5.3 基于标准差的光条中心精度评价 134
7.6 本章小结 136
第八章 边缘检测技术的应用 137
8.1 图像分割 137
8.1.1 基于像素属性的边缘分割 137
8.1.2 基于变形模板的方法 137
8.1.3 基于数学形态学 139
8.1.4 基于代价函数的边缘检测方法 139
8.1.5 基于边缘流的分割方法 139
8.2 工业检测 140
8.2.1 基于整像素检测边缘的轴径测量方法 140
8.2.2 基于亚像素检测边缘的轴径测量方法 143
8.3 边缘检测在医学图像中的应用 144
8.3.1 在医学图像匹配中的应用 144
8.3.2 在各种肿瘤及赘生物诊断上的应用 145
8.3.3 在左心室边缘抽取中的应用 145
8.3.4 在各种血管边缘抽取中的应用 145
8.4 智能交通视频监控系统中的车牌照识别 146
8.4.1 车牌图像的预处理 146
8.4.2 灰度图的二值化 146
8.4.3 Robert算子边缘检测 146
8.4.4 车牌的定位 147
8.5 图像目标自动识别与图像匹配 148
8.5.1 人脸识别系统 148
8.5.2 各种边缘检测算法的人脸检测 148
8.6 本章小结 150
附录一 151
附录二 152
主要参考文献 153