第1章 绪论 1
1.1人工智能 1
1.2数字图像处理 2
1.3数字图像识别 2
1.4本书架构 3
第2章 图像预处理 4
2.1引言 4
2.2数字图像去噪 4
2.2.1噪声模型 4
2.2.2利用空间滤波器去噪 7
2.2.3近几年提出的其他去噪算法 10
2.3图像锐化 15
2.3.1图像的微分 15
2.3.2拉普拉斯算子 16
2.3.3非锐化掩蔽和高提升滤波 16
2.4对比度增强 17
2.4.1直方图均衡 17
2.4.2指数变换 19
2.4.3对数变换 20
2.4.4灰度拉伸 20
2.5人脸检测 20
2.5.1简介 21
2.5.2人脸检测问题分类 21
2.5.3人脸模式的特征提取 22
2.5.4人脸模式的特征综合 23
2.5.5人脸检测总结 27
第3章 特征提取 28
3.1引言 28
3.2局部特征提取 28
3.2.1局部二值模式 28
3.2.2方向梯度直方图 30
3.2.3 SIFT 33
3.2.4 SURF 40
3.2.5 FAST 42
3.2.6 BRIEF 43
3.2.7 ORB 45
3.3全局特征提取 45
3.3.1颜色特征 45
3.3.2纹理特征 48
3.3.3形状特征 50
3.3.4深度学习 54
第4章 特征聚合 62
4.1引言 62
4.2词袋模型 62
4.2.1视觉词袋模型 63
4.2.2空间金字塔匹配 64
4.3 Fisher Vector 65
4.3.1 Fisher Kernel 65
4.3.2 Fisher Vector 66
4.4 VLAD 67
4.5合成稀疏模型 68
4.5.1合成稀疏模型理论 68
4.6分析稀疏模型 73
4.6.1分析稀疏模型介绍 74
第5章 模式识别中的分类理论 76
5.1线性分类模型 76
5.1.1判别函数 76
5.1.2概率生成模型 82
5.1.3概率判别模型 84
5.2支持向量机 88
5.2.1简介 88
5.2.2核方法 92
5.3神经网络 99
5.3.1 BP算法 99
5.3.2梯度消失 100
5.3.3卷积神经网络 100
第6章 实战演练 105
6.1基于HOG的行人检测 105
6.1.1整体流程 105
6.1.2实现源码 106
6.1.3 main.cpp 120
6.2 Robust Face Recognition via Sparse Representation 126
6.2.1核心思想介绍 126
6.2.2 SRC.m 126
6.3基于深度学习的图像识别 136
6.3.1 LeNet 136
6.3.2 LeNet的Caffe配置文件 138
参考文献 142