第1章 绪论 1
1.1图像及其分类 1
1.1.1图像的特点 1
1.1.2图像的分类 2
1.2数字图像处理技术与应用 2
1.2.1数字图像处理的主要内容 2
1.2.2数字图像处理方法 4
1.2.3数字图像处理技术的应用 4
1.3数字图像处理系统 5
1.4 Mat1ab简介 6
1.5本书概要 7
习题 8
第2章 图像获取 9
2.1概述 9
2.2连续图像模型 9
2.2.1连续图像的表达式 9
2.2.2连续图像的随机表征 11
2.3连续图像的频谱 12
2.3.1一维连续傅里叶变换 12
2.3.2二维连续傅里叶变换 13
2.4图像采样 14
2.4.1采样定理 14
2.4.2图像采样 17
2.5图像量化 19
2.5.1量化器模型 19
2.5.2标量量化 19
2.5.3向量量化 22
2.6数字图像中的基本概念 25
2.6.1数字图像的表示 25
2.6.2空间与灰度级分辨率 26
2.6.3像素间的基本关系 28
小结 29
习题 30
第3章 图像变换 31
3.1概述 31
3.2一维离散傅里叶变换 31
3.2.1离散傅里叶变换 31
3.2.2离散傅里叶变换的性质 32
3.3一维快速傅里叶变换 34
3.3.1一维快速傅里叶变换的基本思想 34
3.3.2一维快速傅里叶变换算法 36
3.4二维离散傅里叶变换 39
3.4.1二维离散傅里叶变换的定义 39
3.4.2二维离散傅里叶变换的性质 40
3.4.3二维快速离散傅里叶变换 41
3.4.4二维快速傅里叶变换的Mat1ab实现 42
3.4.5可分离图像变换的概念 44
3.5离散余弦变换 44
3.5.1一维离散余弦变换 44
3.5.2一维快速离散余弦变换算法 45
3.5.3二维离散余弦变换 46
3.5.4离散余弦变换的Matlab实现 47
3.5.5离散余弦变换的应用 47
3.6沃尔什变换和哈达玛变换 48
3.6.1离散沃尔什变换 48
3.6.2离散哈达玛变换 49
3.6.3快速哈达玛变换算法 50
3.7霍特林变换 53
3.8拉东变换 55
3.8.1拉东变换概述 55
3.8.2拉东变换的Matlab实现 56
小结 58
习题 58
第4章 图像增强 59
4.1概述 59
4.2空域点处理增强 59
4.2.1直接灰度变换 60
4.2.2直方图修正 66
4.2.3图像间的运算 73
4.3空域滤波增强 76
4.3.1平滑滤波器 77
4.3.2锐化滤波器 80
4.4频域滤波增强 83
4.4.1低通滤波器 83
4.4.2高通滤波器 87
4.4.3同态滤波器 90
小结 92
习题 92
第5章 图像复原 94
5.1概述 94
5.2图像退化模型 94
5.2.1退化模型 94
5.2.2连续函数退化模型 95
5.2.3离散退化模型 96
5.2.4循环矩阵对角化 98
5.3退化函数估计 99
5.3.1图像观察估计法 100
5.3.2试验估计法 100
5.3.3模型估计法 100
5.4逆滤波 102
5.4.1无约束复原 102
5.4.2逆滤波复原 103
5.4.3消除匀速运动模糊 104
5.5维纳滤波 105
5.5.1有约束滤波 105
5.5.2维纳滤波复原 106
5.5.3维纳滤波的Matlab实现 107
5.6约束最小二乘方滤波 109
5.6.1滤波模型 109
5.6.2约束最小二乘方滤波的Matlab实现 111
5.7从噪声中复原 112
5.7.1噪声模型 112
5.7.2空域滤波复原 114
5.7.3频域滤波复原 118
5.8几何失真校正 119
5.8.1空间变换 119
5.8.2灰度插值 120
5.8.3几何失真图像配准复原 121
小结 123
习题 123
第6章 彩色图像处理 125
6.1概述 125
6.2彩色基础 125
6.2.1人眼的构造 125
6.2.2三色成像 126
6.3颜色模型 127
6.3.1 RGB模型 127
6.3.2 CMY模型和CMYK模型 128
6.3.3 HSI模型 130
6.4全彩色图像处理 132
6.4.1彩色图像增强 132
6.4.2彩色图像复原 135
6.4.3彩色图像分析 136
6.5伪彩色处理 139
6.5.1密度分层法 139
6.5.2灰度级-彩色变换法 140
6.5.3频域滤波法 142
小结 143
习题 143
第7章 图像编码 144
7.1概述 144
7.1.1图像数据的冗余 144
7.1.2图像的编码质量评价 145
7.2信息论基础与熵编码 147
7.2.1离散信源的熵表示 148
7.2.2离散信源编码定理 150
7.2.3赫夫曼编码 151
7.2.4香农-费诺编码 152
7.2.5算术编码 154
7.2.6行程编码 156
7.3 LZW算法 158
7.4预测编码 160
7.4.1无损预测编码 160
7.4.2有损预测编码 162
7.5变换编码 169
7.5.1变换选择 170
7.5.2子图像尺寸选择 174
7.5.3位分配 175
7.5.4一个DCT编码实例 177
7.6基于矢量量化技术的图像编码 179
7.6.1矢量量化原理 180
7.6.2矢量量化过程 180
7.7小波图像编码 185
7.7.1数字图像的小波分解 185
7.7.2小波基的选择 188
7.7.3小波变换域小波系数分析 189
7.7.4小波编码方法 191
小结 199
习题 199
第8章 图像检测与分割 201
8.1概述 201
8.2边缘检测 202
8.2.1梯度算子 202
8.2.2高斯-拉普拉斯算子 204
8.2.3坎尼边缘检测算子 205
8.3边界跟踪 206
8.3.1空域边界跟踪 206
8.3.2霍夫变换 210
8.4阈值分割 214
8.4.1人工选择法 215
8.4.2自动阈值法 215
8.4.3分水岭算法 218
8.5区域分割 221
8.5.1区域生长法 221
8.5.2区域分裂法 222
8.5.3区域合并法 223
8.5.4区域分裂合并法 224
8.6形变模型 226
8.6.1参数活动轮廓模型 226
8.6.2几何活动轮廓模型 232
8.6.3形变模型的扩展形式 234
8.7运动分割 236
8.7.1背景差值法 236
8.7.2图像差分法 238
8.7.3基于光流的分割方法 238
8.7.4基于块的运动分割方法 240
小结 241
习题 241
第9章 图像表示与描述 243
9.1概述 243
9.2图像表示 243
9.2.1链码 243
9.2.2边界分段 247
9.2.3多边形近似 249
9.2.4标记图 250
9.2.5骨架 251
9.3边界描述 252
9.3.1一些简单的描述子 252
9.3.2形状数 252
9.3.3傅里叶描述子 254
9.3.4统计矩 256
9.4区域描述 256
9.4.1一些简单的描述子 256
9.4.2纹理 257
9.4.3不变矩 261
9.5数学形态学描述 263
9.5.1膨胀和腐蚀 263
9.5.2开启和闭合 265
9.5.3数学形态学对图像的操作 266
小结 270
习题 270
第10章 图像特征优化 272
10.1概述 272
10.2基于选择的特征优化 273
10.2.1可分离性判据 273
10.2.2搜索选择策略 274
10.2.3基于遗传算法的特征选择 275
10.3基于统计分析的特征优化 276
10.3.1主成分分析 277
10.3.2独立分量分析 278
10.3.3线性判别分析 279
10.3.4多维尺度分析 279
10.4基于流形学习的特征优化 281
10.4.1流形学习的基本原理 281
10.4.2核主成分分析 282
10.4.3局部线性嵌入 282
10.4.4拉普拉斯特征映射 284
10.4.5等距映射 285
小结 288
习题 289
第11章 图像识别 290
11.1概述 290
11.2统计图像识别 291
11.2.1统计模式识别方法 291
11.2.2线性分类器 292
11.2.3贝叶斯分类器 295
11.2.4人工神经网络分类器 297
11.3句法图像识别 302
11.3.1句法模式识别方法 302
11.3.2形式语言简介 303
11.3.3模式文法 305
11.3.4句法分析 309
11.3.5句法结构的自动机识别 311
11.3.6有噪声、畸变模式的句法识别 314
11.4模糊图像识别 319
11.4.1模糊集合及其运算 319
11.4.2隶属函数确定方法 321
11.4.3模糊识别原则 326
11.4.4模糊句法识别 329
11.5 Web图像过滤系统 333
11.5.1皮肤检测 333
11.5.2基于人脸肤色的自动白平衡校正 335
11.5.3特征提取 338
11.5.4 Web图像分类 338
小结 342
习题 342
第12章 图像语义分析 344
12.1概述 344
12.2图像表示模型 344
12.3图像语义分割 345
12.3.1基于模糊C均值聚类的图像分割 345
12.3.2基于空间上下文关系的图像分割 347
12.4图像区域语义标注 353
12.4.1基于条件随机场的上下文模型 353
12.4.2基于能量模型的区域标注方法 354
12.5图像语义分类 357
12.5.1基于属性关系图的图像语义描述 357
12.5.2利用贝叶斯网络的图像分类 360
小结 364
习题 364
第13章 图像检索 365
13.1概述 365
13.2基于内容的图像检索 365
13.2.1 CBIR系统框架 365
13.2.2基于颜色特征的检索 367
13.2.3基于纹理特征的检索 368
13.2.4基于形状特征的检索 368
13.2.5检索效果评价方法 369
13.3基于语义的图像检索 369
13.3.1图像语义描述方法 369
13.3.2图像语义提取方法 371
13.3.3语义相似性测度 371
13.3.4语义检索系统设计 371
13.4基于多示例学习的语义图像检索 372
13.4.1多示例学习简介 372
13.4.2分层语义模型 373
13.4.3基于粗糙集的图像包生成 375
13.4.4图像语义提取 375
13.4.5语义图像检索 377
13.4.6检索效果 378
小结 379
习题 379
参考文献 380