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分析中的数字化 8
1.3.1离散距离 8
1.3.2连通组元 11
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 19
1.5内容框架和特点 21
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 31
2.2.2正交梯度算子 31
2.2.3二阶导数算子 33
2.2.4边界闭合 35
2.3串行边界技术 36
2.3.1主动轮廓模型 36
2.3.2能量函数 37
2.4并行区域技术 39
2.4.1原理和分类 39
2.4.2依赖像素的阈值选取 41
2.4.3依赖区域的阈值选取 43
2.4.4依赖坐标的阈值选取 46
2.4.5空间聚类 47
2.5串行区域技术 49
2.5.1区域生长 49
2.5.2分裂合并 50
总结和复习 51
第3章 典型分割算法 55
3.1 SUSAN检测算子 55
3.1.1 USAN原理 55
3.1.2 SUSAN算子边缘检测 56
3.2图割方法 60
3.3特色的阈值化和聚类技术 63
3.3.1多分辨率阈值选取 63
3.3.2借助过渡区选择阈值 65
3.3.3借助均移确定聚类 68
3.4分水岭分割算法 70
3.4.1基本原理和步骤 70
3.4.2算法改进和扩展 74
总结和复习 78
第4章 分割技术扩展 80
4.1从哈夫变换到广义哈夫变换 80
4.1.1哈夫变换 80
4.1.2广义哈夫变换原理 84
4.1.3完整广义哈夫变换 86
4.2从像素到亚像素 88
4.2.1基于矩保持的技术 88
4.2.2利用一阶微分期望值的技术 89
4.2.3借助切线信息的技术 90
4.3从2-D到3-D 92
4.3.1 3-D边缘检测 92
4.3.2 3-D图像阈值化 97
4.4从灰度到彩色 99
4.4.1彩色空间的选择 99
4.4.2彩色图像分割策略 100
总结和复习 101
第5章 分割评价比较 104
5.1分割评价研究分类 105
5.2分割算法评价框架 107
5.3分割评价准则 109
5.3.1分析法准则 109
5.3.2优度试验法准则 111
5.3.3差异试验法准则 112
5.4算法评价实例 114
5.4.1实验算法和图像 114
5.4.2实验结果和讨论 115
5.5评价方法和准则比较 118
5.5.1方法讨论和对比 118
5.5.2准则的分析比较 119
5.5.3准则的实验比较 121
5.6基于评价的算法优选系统 123
5.6.1算法优选思想和策略 123
5.6.2优选系统的实现和效果 125
总结和复习 126
第2单元 表达描述 131
第6章 目标表达 131
6.1基于边界的表达 131
6.1.1技术分类 131
6.1.2链码 132
6.1.3边界段 135
6.1.4边界标志 135
6.1.5多边形 138
6.1.6地标点 139
6.2基于区域的表达 141
6.2.1技术分类 141
6.2.2空间占有数组 141
6.2.3四叉树 142
6.2.4金字塔 143
6.2.5围绕区域 145
6.2.6骨架 147
6.3基于变换的表达 150
6.3.1技术分类 150
6.3.2傅里叶变换表达 150
总结和复习 152
第7章 目标描述 155
7.1基于边界的描述 155
7.1.1简单边界描述符 155
7.1.2形状数 157
7.1.3边界矩 158
7.2基于区域的描述 158
7.2.1简单区域描述符 158
7.2.2拓扑描述符 161
7.2.3区域不变矩 164
7.3对目标关系的描述 167
7.3.1目标标记和计数 167
7.3.2点目标的分布 173
7.3.3字符串描述 174
7.3.4树结构描述 176
总结和复习 177
第8章 测量和误差分析 179
8.1直接测度和间接测度 179
8.2需区别的术语 181
8.2.1准确性和精确性 181
8.2.2模型假设和实际观察 183
8.2.3 4-连通和8-连通 184
8.3影响测量误差的因素 187
8.3.1误差来源 187
8.3.2光学镜头分辨率 187
8.3.3采样密度 189
8.3.4分割算法 194
8.3.5特征计算公式 196
8.3.6综合影响 198
8.4误差分析 199
总结和复习 200
第3单元 特性分析 205
第9章 纹理分析 205
9.1纹理研究概况 206
9.2纹理描述的统计方法 207
9.2.1灰度共生矩阵 207
9.2.2基于共生矩阵的纹理描述符 209
9.2.3基于能量的纹理描述符 210
9.3纹理描述的结构方法 211
9.3.1结构描述法基础 211
9.3.2纹理镶嵌 213
9.3.3局部二值模式 214
9.4纹理描述的频谱方法 216
9.4.1傅里叶频谱 216
9.4.2盖伯频谱 218
9.5一种纹理分类合成方法 220
9.6纹理分割 222
9.6.1有监督纹理分割 223
9.6.2无监督纹理分割 225
总结和复习 227
第10章 形状分析 230
10.1形状定义和研究 230
10.2平面形状的分类 232
10.3形状特性的描述 233
10.3.1形状紧凑性描述 234
10.3.2形状复杂性描述 239
10.4基于技术的描述 242
10.4.1基于多边形的描述符 242
10.4.2基于离散曲率的描述符 243
10.5拓扑结构的描述 247
10.6分形维数 248
总结和复习 252
第11章 运动分析 255
11.1运动研究内容 255
11.2运动目标检测 256
11.2.1背景建模 256
11.2.2光流场 261
11.2.3特定运动模式的检测 265
11.3运动目标分割 266
11.3.1目标分割和运动信息提取 266
11.3.2稠密光流算法 267
11.3.3基于参数和模型的分割 270
11.4运动目标跟踪 272
11.4.1典型技术 272
11.4.2子序列决策策略 277
总结和复习 278
第4单元 数学工具 283
第12章 数学形态学：二值 283
12.1基本集合定义 283
12.2二值形态学基本运算 285
12.2.1二值膨胀和腐蚀 285
12.2.2二值开启和闭合 290
12.2.3二值基本运算性质 292
12.3二值形态学组合运算 293
12.3.1击中-击不中变换 294
12.3.2二值组合运算 296
12.4二值形态学实用算法 300
总结和复习 306
第13章 数学形态学：灰度 308
13.1灰度图像的排序 308
13.2灰度形态学基本运算 309
13.2.1灰度膨胀和腐蚀 310
13.2.2灰度开启和闭合 314
13.2.3灰度基本运算性质 315
13.3灰度形态学组合运算 316
13.4灰度形态学实用算法 320
13.5图像代数 326
总结和复习 330
第14章 图像识别 333
14.1模式和分类 333
14.2统计模式识别 334
14.2.1最小距离分类器 335
14.2.2最优统计分类器 336
14.2.3自适应自举 340
14.3感知机和支持向量机 341
14.3.1感知机 341
14.3.2支持向量机 345
14.4结构模式识别 348
14.4.1字符串结构识别 348
14.4.2树结构识别 351
总结和复习 354
附录A人脸和表情识别 356
A.1生物特征识别 356
A.2人脸检测定位 357
A.2.1基本方法 358
A.2.2基于Hausdorff距离的方法 358
A.3脸部器官提取和跟踪 362
A.3.1眼睛几何模型及确定 362
A.3.2眨眼过程中的眼睛轮廓跟踪 363
A.4表情识别 366
A.4.1表情识别和步骤 366
A.4.2表情特征提取 367
A.4.3基于盖伯变换的特征提取 370
A.4.4表情分类 371
A.4.5基于高阶奇异值分解的分类 374
A.5人脸识别 378
A.5.1边缘本征矢量加权方法 379
A.5.2非特定表情人脸识别 380
部分习题解答 381
参考文献 386
索引 399