PART 1：原理与技术 4
第一章 简介 4
1.1 背景 4
1.2 图像的表示 5
1.3 数字图像处理 6
1.4 数字图像处理系统 8
1.5 本书结构 11
1.6 主要参考文献 12
第二章 数学基础 16
2.1 信号 16
2.2 线性与线性时不变系统 19
2.3 卷积 21
2.4 矩阵运算 22
2.5 纯量值对向量参数的最优化 28
2.6 随机信号 29
习题 33
第三章 采样与量化 38
3.1 取样 38
3.2 量化 44
3.3 向量量化 51
习题 54
第四章 变换法 56
4.1 正交变换 56
4.2 傅立叶变换 58
4.3 离散余弦变换 64
4.4 离散正弦变换 68
4.5 Walsh-Hadamard变换 69
4.6 Haar变换 76
4.7 斜变换 77
4.8 KL变换 78
4.9 哈特莱变换 80
4.10 SVD变换 80
4.11 小波变换 82
习题 93
第五章 图像增强 98
5.1 点处理增强 98
5.2 空间滤波 107
5.3 频域的图像增强法 110
5.4 彩色图像增强 112
习题 115
第六章 图像恢复 118
6.1 图像降质系统 118
6.2 代数恢复方法 120
6.3 反滤波法 122
6.4 最小平方滤波器 123
6.5 限制性最小平方恢复 125
6.6 盲目图像恢复技术 129
习题 136
第七章 图像压缩 138
7.1 数据编码与数据压缩 138
7.2 图像压缩模型 141
7.3 信息论基础 141
7.4 无失真压缩 148
7.5 有损压缩 154
7.6 图像压缩标准JPEG 155
7.7 动态图像压缩 163
7.8 以小波变换压缩的实例 168
习题 173
第八章 图像分割 176
8.1 导论 176
8.2 图像分割处理 177
8.3 分割图像的储存 185
8.4 图像分割预处理——LUM滤波器 187
习题 192
第九章 表示与描述 194
9.1 表示方法 194
9.2 边界描述子 199
9.3 区域描述子 201
9.4 形态学 210
习题 214
第十章 图像模式识别 218
10.1 分类 218
10.2 统计决策图像模式识别 220
10.3 特征选取 221
10.4 聚类 223
10.5 利用人工神经网络做图像模式识别 228
习题 235
PART 2：Matlab实习 241
第一章 Matlab实验常用函数简介 241
第二章 实验——数学基础 241
L2.1 二维卷积 241
L2.2 矩阵的直接乘积 242
L2.3 马尔可夫链的转移概率 244
第三章 实验——量化 246
L3.1 纯量量化器的设计 246
L3.2 量化造成的假轮廊 248
L3.3 向量量化器码本的产生 250
L3.4 向量量化的编解码 254
第四章 实验——变换法 259
L4.1 SVD变换 259
L4.2 图像变换的能量集中能力 261
L4.3 小波变换 263
第五章 实验——图像增强 268
L5.1 直方图均衡化法 268
L5.2 平滑滤波器 270
L5.3 同态滤波器 272
第六章 实验——图像恢复 275
L6.1 最小平方滤波器 275
L6.2 迭代盲目去卷积法 277
第七章 实验——图像压缩 283
L7.1 游程长度编码 283
L7.2 应用小波变换与向量量化做图像压缩 285
第八章 实验——图像分割 289
L8.1 像素聚类区域成长法 289
L8.2 四叉树区域分割与合并法 293
L8.3 Sobel边缘检测 294
L8.4 拉氏边界检测法 297
L8.5 LUM滤波器 299
第九章 实验——表示与描述 302
L9.1 不变矩 302
L9.2 细化 305
L9.3 膨胀和腐蚀 308
L9.4 断开与闭合 309
第十章 实验——图像模式识别 312
L10.1 利用不变矩判定图形类别 312
L10.2 模糊聚类 315
L10.3 利用人工神经网络做图像模式识别 317
L10.4 以反向传播网络做模糊分类 323
附录 光盘内容简介及使用说明 328
参考文献 332