译者序 1
致教师 1
第1章 引言 1
1.1 本书宗旨 1
1.2 读者需具备的预备知识 1
目录 1
1.3 一些术语 2
1.3.1 图像处理 2
1.4 机器视觉系统的组成 3
1.3.2 机器视觉 3
1.5 图像的性质 4
1.6 图像的操作分析 4
参考文献 5
第2章 数学原理回顾 7
2.1 概率论简单回顾 7
2.2 线性代数简单回顾 8
2.2.1 线性变换 10
2.2.2 求导运算 11
2.3 函数最小化简介 12
2.2.3 特征值与特征向量 12
2.3.1 牛顿-拉弗森方法 14
2.3.2 局部最小与全局最小 15
2.3.3 模拟退火 15
2.4 马尔科夫模型 16
2.4.1 隐马尔科夫模型 17
2.4.2 维特比算法 18
2.4.3 马尔科夫输出 19
2.4.4 估计模型参数 20
2.4.5 隐马尔科夫模型的应用 20
参考文献 21
第3章 编写图像处理程序 23
3.1 图像文件系统软件 23
3.1.1 IFS头部结构 23
3.1.2 某些有用的IFS函数 24
3.1.3 带共性的问题 24
3.2 图像处理程序的基本结构 24
3.3 好的编程风格 25
3.4 示例程序 25
3.5 生成文件 27
4.1.1 图像表示 29
第4章 图像的生成与表示方式 29
4.1 图像的表示方法 29
4.1.2 函数表示 30
4.1.3 线性表达式 30
4.1.4 概率表示 30
4.1.5 空域频率表示 30
4.1.6 关系表示方法（图表示法） 32
4.2 数字图像 32
4.2.1 数字图像的生成 32
4.2.2 距离图像的生成 35
4.3 图像生成机制 37
4.4 将图像看作表面 38
4.4.1 等亮度线 38
4.4.2 脊 38
4.4.3 二值图像与中轴 39
4.5 邻域关系 39
4.6 结论 41
4.7 术语 41
4A.1 采样的变种：六角形像素 42
专题4A 图像表示方法 42
4A.2 其他形式的图像表示 44
参考文献 46
第5章 线性算子与核算子 49
5.1 什么是线性算子 49
5.2 核算子在数字图像中的应用 49
5.2.1 自变量的方向：卷积和相关 50
5.2.2 用核算子估计导数 50
5.3 通过函数拟合估计导数 51
5.4 图像的矢量表示 55
5.5 图像的基向量 56
5.6 边缘检测 57
5.7 用核算子表示可微函数的采样 59
5.8 计算卷积 62
5.9 尺度空间 64
5.9.1 四叉树 64
5.9.2 高斯尺度结构 65
5.10 量化边缘检测算子的精确性 67
5.11 人们的做法 67
5.13 术语 69
5.12 结论 69
专题5A 边缘检测器 72
5A.1 Canny边缘检测器 72
5A.2 改进边缘检测 73
5A.3 从边缘点推理线段 73
5A.4 空域频率表示 74
5A.5 术语 75
参考文献 77
6.2 复原 81
6.1 松弛 81
第6章 图像松弛：复原与特征抽取 81
6.3 最大后验方法 84
6.3.1 贝叶斯准则 84
6.3.2 题外话：逆问题中的问题 86
6.3.3 用于边缘保留型平滑的目标函数 86
6.4 均值场退火 87
6.4.1 选择先验项 89
6.4.2 退火：避免局部最小值 91
6.4.3 如何对一个含有核算子的函数求导 92
6.4.4 实际考虑：边缘保留型的平滑 94
6.5 结论 95
6.6 术语 95
专题6A 替代算法与等价算法 97
6A.1 GNC：一种可去除噪声的替代算法 97
6A.2 传导率可变的扩散 99
6A.3 面向边缘的各向异性扩散 100
6A.4 对图像松弛算子的一个通用描述 100
6A.5 与神经元网络之间的关系 103
6A.6 结论 104
参考文献 105
第7章 数学形态学 111
7.1 二值形态学 111
7.1.1 膨胀 111
7.1.2 腐蚀 113
7.1.3 膨胀与腐蚀的性质 113
7.1.4 开运算与闭运算 115
7.1.5 开运算与闭运算的性质 116
7.2 灰度形态学 117
7.3.1 采用掩膜计算距离变换 118
7.3 距离变换 118
7.3.2 Voronoi图 119
7.4 结论 119
7.5 术语 119
专题7A 形态学 121
7A.1 有效地计算腐蚀、膨胀 121
7A.2 形态学采样定理 124
7A.3 选择结构元素 126
7A.4 边缘及曲面上的缝隙弥合 126
参考文献 136
7A.5 术语 136
第8章 分割 139
8.1 划分图像 139
8.2 阈值化分割 140
8.3 连通分量分析 142
8.3.1 递归式区域增长算法 143
8.3.2 迭代式连通分量分析方法 145
8.3.3 标号图像的一种替代方法 149
8.4 曲线分割 149
8.5.1 能量最小化原则 150
8.5 主动轮廓线 150
8.5.2 偏微分方程方法 151
8.6 曲面分割 153
8.6.1 曲面描述 153
8.6.2 椭圆及椭球拟合 154
8.7 评估分割质量 155
8.8 结论 156
8.9 术语 156
专题8A 分割 157
8A.1 纹理分割 157
8A.2 使用边缘的图像分割 159
8A.3 运动分割 160
8A.4 颜色分割 160
8A.5 使用MAP方法的分割 160
8A.6 人如何完成分割 160
参考文献 160
第9章 形状 167
9.1 线性变换 167
9.2 基于协方差矩阵的变换方法 169
9.2.1 K-L展开的推导 169
9.2.2 K-L展开的性质 172
9.3 简单特征 173
9.4 矩 176
9.5 链码 177
9.6 傅里叶描述子 178
9.7 中轴 178
9.8 变形模板 179
9.9 二次曲面 180
9.11 超二次曲面 181
9.10 表面的谐波函数表示 181
9.12 广义柱体 183
9.13 结论 183
9.14 术语 183
专题9A 形状的描述 184
9A.1 求非凸区域的直径 184
9A.2 从图像推测三维形状 186
9A.3 运动分析与跟踪 192
9A.4 术语 194
参考文献 197
10.1 一致性 205
第10章 一致性标号 205
10.2 松弛法标号 208
10.2.1 利用一致性来修正标号 208
10.2.2 标号问题示例 209
10.3 结论 210
10.4 术语 211
专题10A 二维线条图的三维解释 211
参考文献 213
11.1 Hough变换 215
第11章 参数变换 215
11.1.1 垂直线带来的问题 216
11.1.2 如何找到交点——累加器数组 217
11.2 减少计算复杂度 218
11.3 检测圆 218
11.3.1 用非共线三个像素表示一个圆的定位 218
11.3.2 用参数变换检测圆 219
11.3.3 检测圆中利用梯度信息降低计算量 219
11.4 广义Hough变换 220
11.5 结论 220
11A.1 检测抛物线 221
11.6 术语 221
专题11A 参数变换 221
11A.2 检测峰值 223
11A.3 高斯图 223
11A.4 立体视觉中的参数一致性 223
11A.5 结论 224
11A.6 术语 224
参考文献 225
12.2 图的性质 227
12.1 图 227
第12章 图和图论概念 227
12.3 图结构的实现 228
12.4 区域邻接图 228
12.5 图匹配的应用：子图同构问题 230
12.6 外观图 230
12.7 结论 231
12.8 术语 231
参考文献 232
13.1.1 模板匹配 233
13.1 图像表达的匹配 233
第13章 图像匹配 233
13.1.2 点匹配 234
13.1.3 线段匹配 234
13.1.4 特征图像 235
13.2 匹配简单特征 237
13.3 图匹配 238
13.3.1 关联图 238
13.3.2 弹性模板 240
13.5 术语 241
13.4 结论 241
专题13A 匹配 243
13A.1 弹簧加模板回顾 243
13A.2 人工神经元网络用于物体识别 244
13A.3 图像索引 247
13A.4 匹配几何不变量 248
13A.5 结论 250
13A.6 术语 251
参考文献 251
14.1 分类器设计 255
14.1.1 决策规则的选择 255
第14章 统计模式识别 255
14.1.2 最大似然分类器 256
14.1.3 分类器学习算法 256
14.2 贝叶斯规则和最大似然分类器 257
14.2.1 贝叶斯规则 257
14.2.2 参数模式分类器 258
14.2.3 概率密度估计 259
14.2.5 方差估计 260
14.2.4 均值估计 260
14.2.6 似然比 261
14.3 决策区间和错误概率 262
14.4 条件风险 263
14.5 二次函数分类器 265
14.6 最小最大规则 267
14.7 最近邻方法 267
14.8 结论 268
14.9 术语 269
14A.1 用统计方法匹配特征向量 270
专题14A 统计模式识别 270
14A.2 支持向量机 272
14A.3 结论 275
14A.4 术语 276
参考文献 276
第15章 聚类 279
15.1 聚类之间的距离 279
15.2 聚类算法 281
15.2.1 合并聚类 281
15.2.2 k均值聚类 283
15.3 最优化聚类方法 284
15.3.1 分支定界法 285
15.3.2 向量量化 285
15.3.3 赢者全得算法 285
15.4 结论 286
15.5 术语 286
参考文献 288
第16章 句法模式识别 289
16.1 术语 289
16.2.1 0型文法 290
16.2.2 1型文法 290
16.2 文法类型 290
16.2.3 2型文法 291
16.2.4 3型文法 291
16.3 用文法结构进行形状识别 291
16.3.1 3型文法 291
16.3.2 2型方法 294
16.4 结论 296
16.5 术语 296
参考文献 297
17.2 光学字符识别 299
17.3 自动诊断和辅助诊断 299
第17章 应用 299
17.1 多谱图像分析 299
17.4 检测和质量控制 300
17.5 安全检测和入侵者识别 300
17.6 机器人视觉 300
17.6.1 机器人外科手术 301
17.6.2 机器人驾驶 301
参考文献 302
18.1 层次体系 307
第18章 自动目标识别 307
18.2 系统组成 308
18.3 算法的性能评价 309
18.3.1 性能表示 310
18.3.2 从训练数据生成ROC曲线 311
18.3.3 性能和系统评价 312
18.4 特有的机器视觉问题 312
18.4.1 目标信号可变性和误警率 312
18.4.2 跟踪 313
18.5 自动目标识别算法 314
18.4.4 特征选择 314
18.4.3 分割 314
18.5.1 基于模型的技术 316
18.5.2 基于统计的技术 317
18.5.3 模板匹配 317
18.6 Hough变换 318
18.7 形态学技术 318
18.8 链码 319
18.9 结论 319
参考文献 320
索引 327