第1章 引 言 1
1.1 数字图像的基本概念 2
1.1.1 图像 2
1.1.2 模拟图像 3
1.1.3 数字图像 3
1.1.4 图像处理 6
1.2 数字图像处理系统结构 7
1.3 图像处理的应用领域 9
1.4 数字图像处理的主要研究内容 11
第2章 数字图像基础 14
2.1 数字图像与数据结构 14
2.1.1 二维数组 14
2.1.2 一维数组 15
2.1.3 分层结构 16
2.1.4 树状结构 16
2.1.5 多波段图像的数据结构 17
2.1.6 其他形式的数据存储格式 18
2.2 颜色空间 19
2.2.1 CMY颜色空间 19
2.2.2 YIQ颜色空间 20
2.2.3 YUV颜色空间 20
2.2.4 YCbCr颜色空间 21
2.2.5 HSV颜色空间 21
2.2.6 CIE 1976 L*a*b*颜色空间 22
2.3 数字图像文件结构 23
2.3.1 BMP文件格式 23
2.3.2 其他图像文件格式 45
第3章 数字图像量化 56
3.1 图像量化 56
3.1.1 量化简介 56
3.1.2 量化的意义 58
3.1.3 量化算法的评价标准 58
3.2 典型的图像量化方法 59
3.2.1 半色调调制 59
3.2.2 K－均值聚类方法 60
3.2.3 基于主色的量化方法 62
3.2.4 中位切分方法 63
3.2.5 八叉树量化方法 64
3.3 新型图像量化技术简介 67
3.3.1 自适应色彩量化步骤 67
3.3.2 基于神经元与误差扩散的图像量化 70
第4章 数字图像去噪 73
4.1 图像去噪的基本知识 73
4.1.1 图像去噪的研究背景及意义 73
4.1.2 图像去噪技术的研究现状 74
4.1.3 图像噪声的分类及模型分析 75
4.1.4 图像去噪质量的评价 77
4.2 基于空间域的图像去噪 79
4.2.1 线性空间域图像去噪方法 79
4.2.2 非线性空间域图像去噪方法 80
4.3 基于小波域的图像去噪 82
4.3.1 小波域图像去噪综述 82
4.3.2 基于小波域奇异性检测的图像去噪方法 83
4.3.3 基于小波阈值的图像去噪方法 84
4.3.4 基于小波域统计模型的图像去噪方法 86
4.3.5 基于多小波的图像去噪方法 86
4.3.6 基于复数小波的图像去噪方法 88
4.3.7 基于四元数小波的图像去噪方法 89
4.4 基于多尺度几何分析的图像去噪 91
4.4.1 多尺度几何分析的图像去噪综述 91
4.4.2 基于脊波变换的图像去噪方法 93
4.4.3 基于曲波变换的图像去噪方法 94
4.4.4 基于轮廓波变换的图像去噪方法 96
4.5 基于偏微分方程的图像去噪 99
4.5.1 偏微分方程图像去噪综述 99
4.5.2 图像去噪中常见的偏微分方程模型 100
4.5.3 基于泛函分析的偏微分方程图像去噪方法 104
4.6 基于稀疏表示与字典学习的图像去噪 105
4.6.1 稀疏表示与字典学习图像去噪综述 105
4.6.2 图像稀疏表示理论中的基本概念 107
4.6.3 基于K-SVD算法的稀疏表示图像去噪方法 108
4.7 基于非局部均值的图像去噪 109
4.7.1 非局部均值图像去噪综述 109
4.7.2 非局部均值去噪方法原理 112
4.7.3 基于BM3D的非局部均值图像去噪方法 114
4.8 新型图像去噪技术简介 116
4.8.1 基于小波矩的频率域非局部均值图像去噪 116
4.8.2 基于最小二乘支持向量机的小波域图像去噪 122
4.8.3 基于复数方向塔式变换与自适应高斯尺度混合模型的图像去噪 132
第5章 数字图像分割 140
5.1 图像分割的基本知识 141
5.1.1 概述 141
5.1.2 图像分割的定义 142
5.1.3 图像分割方法的种类 143
5.1.4 图像分割质量的评价 149
5.2 基于阈值的图像分割 150
5.2.1 直方图阈值 150
5.2.2 最大熵阈值 151
5.2.3 二维直方图阈值 151
5.2.4 统计判决确定阈值 153
5.2.5 局部阈值法 156
5.3 基于区域的图像分割 156
5.3.1 区域生长法 156
5.3.2 分裂—合并法 157
5.4 基于边缘检测的图像分割 158
5.4.1 Hough变换原理 159
5.4.2 Hough变换应用 161
5.4.3 广义Hough变换 162
5.5 基于模糊集合的图像分割 164
5.5.1 模糊集合和模糊隶属度 164
5.5.2 模糊C－均值聚类算法 165
5.5.3 模糊竞争学习算法 167
5.6 基于小波变换的图像分割 169
5.6.1 多尺度边缘检测 170
5.6.2 多分辨率阈值选取 172
5.7 彩色图像分割技术简介 173
5.7.1 直方图阈值化 174
5.7.2 特征空间聚类 175
5.7.3 基于区域的方法 176
5.7.4 边缘检测 178
5.7.5 模糊技术 179
5.7.6 人工神经网络 181
5.7.7 基于物理模型的方法 182
5.8 新型图像分割技术简介 183
5.8.1 基于Arimoto熵和SVM的彩色图像分割 183
5.8.2 基于非参数高斯混合模型的图像分割 194
5.8.3 基于隐马尔可夫树模型的PDTDFB域图像分割 201
第6章 数字图像检索 212
6.1 基于内容的图像检索概述 212
6.1.1 基于内容的图像检索 212
6.1.2 基于内容的图像检索相关技术 215
6.1.3 基于内容的图像检索系统 217
6.1.4 图像检索系统的性能评价 219
6.2 基于颜色特征的图像检索 219
6.2.1 基于颜色直方图的图像检索 220
6.2.2 基于颜色中心矩的图像检索 221
6.2.3 基于参考颜色表的图像检索 222
6.2.4 基于颜色对的图像检索 222
6.2.5 基于主色调的图像检索 223
6.2.6 结合空间信息的图像检索 225
6.3 基于纹理特征的图像检索 226
6.3.1 基于Tamura纹理特征的图像检索 227
6.3.2 基于共生矩阵的图像检索 228
6.3.3 基于小波变换的图像检索 230
6.3.4 基于Gabor变换的图像检索 230
6.4 基于形状特征的图像检索 232
6.4.1 基于傅里叶描述的图像检索 232
6.4.2 基于形状矩的图像检索 234
6.5 基于空间对象关系的图像检索 235
6.5.1 基于图像分割的图像检索 235
6.5.2 基于图像子块的图像检索 238
6.6 基于语义特征的图像检索 239
6.6.1 图像语义检索概述 239
6.6.2 图像语义检索模型 240
6.6.3 图像语义提取算法 241
6.6.4 图像语义检索系统设计 245
6.6.5 图像语义检索存在的问题 246
6.7 基于内容图像检索的相似度模型 249
6.7.1 欧氏距离 249
6.7.2 直方图相交距离 249
6.7.3 二次式距离 250
6.7.4 马氏距离 250
6.8 新型图像检索技术简介 251
6.8.1 基于多种特征融合的彩色图像检索 251
6.8.2 基于视觉感兴趣点的彩色图像检索 264
6.8.3 基于Adapted GMM和SVM加权的相关反馈图像检索 270
第7章 数字图像水印 286
7.1 数字水印技术简介 287
7.1.1 数字水印概述 287
7.1.2 数字水印的分类 290
7.1.3 数字水印的应用领域 291
7.2 数字图像水印 293
7.2.1 数字图像水印系统的基本模型 293
7.2.2 影响图像水印性能的因素 294
7.2.3 图像水印的攻击方法 296
7.2.4 图像水印的测评 298
7.3 时间／空间域数字图像水印 301
7.4 变换域数字图像水印 302
7.4.1 DCT变换域方法 303
7.4.2 DWT变换域方法 303
7.4.3 其他变换域方法 304
7.5 第二代数字图像水印 305
7.5.1 简介 305
7.5.2 特征点提取 306
7.5.3 局部特征区域的自适应划分 307
7.6 新型图像水印技术简介 308
7.6.1 基于归一化重要区域的图像水印 308
7.6.2 基于四元数傅里叶变换的彩色图像水印 316
7.6.3 基于局部不变区域的彩色图像水印 329
参考文献 343