《数字图像处理及应用》PDF下载

  • 购买积分:16 如何计算积分?
  • 作  者:谢凤英主编;赵丹培,李露,罗晓燕副主编
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2014
  • ISBN:9787121231131
  • 页数:506 页
图书介绍:本书共分14章,第1章为图像处理的基础知识,包括图像的获取、表达、存储及图像质量评价等。第2~8章为图像的基础理论,内容包括图像变换、图像增强、图像复原、图像压缩编码、图像分割、图像的形态学处理,以及图像描述等。第9~13章是图像的应用技术,包括图像匹配、图像融合、目标检测、目标跟踪、图像识别等。第14章为工程应用系统案例分析,总结了作者实验课题研究中的典型工程案例,这些工程案例将本书的各章内容贯穿起来,是前面各种图像处理技术的综合运用。

理论篇 1

第1章 数字图像处理的基础知识 1

1.1 数字图像处理概述 1

1.1.1 图像和数字图像 1

1.1.2 数字图像处理的主要研究内容 3

1.1.3 数字图像处理的发展及应用 4

1.2 图像的获取技术 7

1.2.1 图像的获取手段 7

1.2.2 图像的显示与输出 9

1.3 图像数字化 9

1.3.1 采样 10

1.3.2 量化 10

1.4 图像数据的表示与存储 11

1.4.1 彩色空间 11

1.4.2 图像类型 14

1.4.3 数字图像的表示 15

1.4.4 图像数据的存储 15

1.5 图像质量评价 19

1.5.1 人类视觉系统 19

1.5.2 图像质量主观评价 21

1.5.3 图像质量客观评价 22

1.5.4 算法性能评价 24

小结 25

习题 25

第2章 图像的数学变换 26

2.1 几何变换 26

2.1.1 空间变换 26

2.1.2 灰度级插值 28

2.1.3 几何校正 30

2.2 傅里叶变换 31

2.2.1 一维傅里叶变换 32

2.2.2 二维离散傅里叶变换 33

2.2.3 二维离散傅里叶变换的性质 34

2.2.4 快速傅里叶变换(FFT) 38

2.3 离散余弦变换 42

2.3.1 离散余弦变换的定义 42

2.3.2 快速离散余弦变换 43

2.4 Gabor变换 44

2.4.1 短时傅里叶变换 45

2.4.2 连续Gabor变换 47

2.4.3 离散Gabor变换 48

2.4.4 高斯窗Gabor函数 48

2.5 离散K-L变换 51

2.5.1 离散K-L变换介绍 52

2.5.2 离散K-L变换的性质 53

2.5.3 主成分分析(PCA) 54

2.6 Radon变换 56

2.6.1 Radon变换介绍 56

2.6.2 Radon变换的性质 57

2.7 小波变换 58

2.7.1 多分辨率分析的背景知识 58

2.7.2 多分辨率展开 61

2.7.3 一维小波变换 66

2.7.4 快速小波变换 69

2.7.5 二维离散小波变换 73

2.8 数学变换在图像处理中的应用 76

2.8.1 傅里叶变换在图像去噪中的应用 76

2.8.2 离散余弦变换在图像压缩中的应用 77

2.8.3 Gabor变换在纹理分析中的应用 78

2.8.4 小波变换在图像压缩中的应用 79

2.8.5 小波变换在图像去噪中的应用 80

2.8.6 小波变换在边缘检测中的应用 81

2.8.7 小波变换在图像融合中的应用 83

2.8.8 小波变换在图像增晰中的应用 84

小结 85

习题 85

第3章 图像增强 87

3.1 灰度级修正 88

3.1.1 灰度的线性变换 88

3.1.2 灰度的非线性变换 90

3.1.3 直方图修正 91

3.2 图像平滑 97

3.2.1 邻域平均法 97

3.2.2 中值滤波 100

3.2.3 帧间平滑 102

3.2.4 频域低通滤波法 103

3.3 图像锐化 107

3.3.1 微分法 107

3.3.2 频域高通滤波法 112

3.4 图像增晰 114

3.4.1 同态滤波 114

3.4.2 基于 Retinex的增强 116

3.4.3 基于LIP的增强 118

3.4.4 基于照度区域划分的增强 123

3.5 彩色增强 127

3.5.1 伪彩色增强 127

3.5.2 真彩色增强 130

小结 131

习题 131

第4章 图像复原 133

4.1 图像的退化模型 134

4.1.1 图像的退化与复原过程 134

4.1.2 连续函数的退化模型 135

4.1.3 离散函数的退化模型 136

4.1.4 图像复原的基本步骤 138

4.2 常用的图像退化模型 139

4.3 退化模型的参数估计 141

4.3.1 运动模糊的退化原理 141

4.3.2 运动模糊退化模型的参数估计 145

4.3.3 散焦模糊的退化原理 154

4.3.4 散焦模糊退化模型的参数估计 155

4.4 图像复原的典型方法 156

4.4.1 逆滤波法 157

4.4.2 维纳滤波 159

4.4.3 等功率谱滤波 161

4.4.4 几何均值滤波器 162

4.4.5 无约束最小二乘复原方法 162

4.4.6 有约束最小二乘复原方法 163

4.4.7 投影复原法 166

4.4.8 Richardson-Lucy算法 167

4.4.9 振铃效应的去除 168

4.5 图像复原的质量评价 169

4.5.1 有参考的图像质量评价 169

4.5.2 无参考的图像质量评价 171

小结 172

习题 173

第5章 图像压缩编码 174

5.1 图像压缩编码概述 174

5.1.1 图像压缩编码的必要性和可行性 174

5.1.2 图像压缩编码的发展 175

5.1.3 图像压缩编码的分类 176

5.2 图像压缩编码的基本理论 177

5.2.1 信息的度量 177

5.2.2 香农编码定理 178

5.2.3 图像压缩编码的一般流程 180

5.3 经典图像压缩编码方法 181

5.3.1 霍夫曼编码 181

5.3.2 算术编码 183

5.3.3 游程编码 184

5.3.4 预测编码 184

5.3.5 变换编码 187

5.4 现代图像压缩编码方法 189

5.4.1 分形编码 190

5.4.2 模型基编码 191

5.4.3 小波变换编码 193

5.4.4 神经网络编码 194

5.5 图像压缩编码的性能评价 195

5.6 图像压缩技术标准 198

5.6.1 静止图像压缩标准简介 198

5.6.2 运动图像压缩标准简介 201

小结 203

习题 203

第6章 图像分割 204

6.1 非连续性分割 205

6.1.1 点检测 205

6.1.2 线检测 206

6.1.3 边缘检测 207

6.1.4 基于梯度的局部处理 210

6.1.5 基于Hough变换的全局处理 212

6.1.6 基于图论的全局处理 214

6.2 阈值分割 216

6.2.1 阈值分割的原理 216

6.2.2 最小误差阈值分割 217

6.2.3 最大类间方差阈值分割 218

6.2.4 最大熵阈值分割 220

6.3 基于区域的分割 223

6.3.1 区域生长法 223

6.3.2 分裂合并法 226

6.4 聚类分割 228

6.4.1 K-均值聚类 228

6.4.2 模糊C均值聚类 231

6.4.3 Mean-shift聚类分割 232

6.5 基于参数活动轮廓模型的分割 236

6.5.1 传统Snake模型 237

6.5.2 GVF Snake模型 240

6.6 基于几何形变模型的分割 243

6.6.1 曲线演化理论 243

6.6.2 水平集方法及其数值实现 244

6.6.3 几何活动轮廓模型 248

6.6.4 测地活动轮廓模型 250

6.6.5 Chan-Vese模型 252

6.7 基于图论的分割 255

6.8 图像分割的性能评价 259

小结 262

习题 263

第7章 图像的形态学处理 265

7.1 数学形态学概述 265

7.1.1 数学形态学 265

7.1.2 数学形态学的基本思想 266

7.2 二值形态学 266

7.2.1 几个基本符号和定义 267

7.2.2 二值腐蚀和膨胀 268

7.2.3 二值开运算和闭运算 270

7.2.4 击中、击不中变换及其应用 272

7.2.5 骨架抽取 275

7.3 灰度形态学 277

7.3.1 灰度形态学的相关概念 277

7.3.2 灰度腐蚀和膨胀 279

7.3.3 灰度开运算和闭运算 281

7.3.4 灰度形态学梯度 283

7.3.5 Top-Hat变换 284

7.4 水域分割 285

小结 288

习题 288

第8章 图像的描述 290

8.1 几何描述 290

8.2 边界描述 292

8.2.1 链码 292

8.2.2 傅里叶描述子 294

8.3 形状描述 295

8.3.1 区域描述 295

8.3.2 图像矩 297

8.4 直方图描述 300

8.4.1 直方图特征 300

8.4.2 梯度方向直方图 302

8.4.3 韦伯局部描述子 304

8.5 颜色描述 308

8.6 纹理描述 310

8.6.1 自相关函数 310

8.6.2 灰度差分统计 311

8.6.3 等灰度游程长度 312

8.6.4 灰度共生矩阵 313

8.6.5 傅里叶功率谱纹理分析 315

8.6.6 局部二元模式(LBP特征) 317

8.6.7 Gabor小波纹理描述 319

小结 323

习题 323

应用篇 325

第9章 图像匹配 325

9.1 图像匹配概述 325

9.2 基于灰度信息的图像匹配 326

9.2.1 绝对平衡搜索匹配 327

9.2.2 归一化互相关匹配 327

9.2.3 最大互信息匹配 328

9.3 基于特征的图像匹配 329

9.3.1 基于点特征的匹配 329

9.3.2 基于线特征的匹配 332

9.3.3 基于不变矩的匹配 335

9.3.4 基于相位相关的匹配 336

9.4 基于局部不变描述子的图像匹配 337

9.4.1 SIFT特征描述子 338

9.4.2 SURF特征描述子 344

9.4.3 基于SIFT/SURF特征的匹配 349

9.4.4 D-nets特征描述子 352

9.4.5 基于D-nets特征的匹配 352

9.4.6 基于最大稳定极值区域的匹配 354

小结 359

习题 359

第10章 图像融合 360

10.1 图像融合的概况介绍 360

10.1.1 图像融合的要求 360

10.1.2 图像融合的困难与挑战 360

10.1.3 图像融合的系统模型 361

10.1.4 多源图像融合的应用 362

10.2 像素级图像融合方法 363

10.2.1 基于空间域的像素级图像融合方法 364

10.2.2 基于变换域的像素级图像融合方法 365

10.3 特征级图像融合方法 367

10.3.1 基于边缘特征的图像融合方法 367

10.3.2 基于梯度特征的图像融合方法 367

10.4 决策级图像融合方法 367

10.4.1 基于表决法的决策级融合方法 368

10.4.2 基于贝叶斯推理的决策级融合方法 368

10.4.3 基于证据理论的决策级融合方法 369

10.5 多源图像融合的实例与分析 369

10.5.1 区域融合方法概述 369

10.5.2 区域分割和标签 371

10.5.3 区域融合 372

10.6 多源图像融合的性能评价 374

小结 376

习题 377

第11章 图像目标检测 378

11.1 基本问题概述 378

11.2 运动目标检测 380

11.2.1 运动图像序列的背景建模 381

11.2.2 静止背景下的运动目标检测 382

11.2.3 动态背景下的运动目标检测 385

11.3 有形目标检测 388

11.3.1 基于图像分割的目标检测方法 389

11.3.2 基于模板匹配的目标检测方法 390

11.3.3 基于机器学习的目标检测方法 392

11.4 弱小目标检测 392

11.4.1 弱小目标检测的基本原理 393

11.4.2 弱小目标检测中的背景抑制 395

11.4.3 基于单帧的弱小目标检测算法 397

11.4.4 基于多帧的弱小目标检测算法 399

11.5 目标检测的性能评价 402

11.5.1 目标检测中的通用性能评价指标 402

11.5.2 ROC 曲线评估模型 405

小结 406

习题 407

第12章 目标跟踪 408

12.1 目标跟踪问题概述 408

12.2 基于模型驱动的跟踪方法 411

12.2.1 目标的运动模型 411

12.2.2 贝叶斯估计理论 413

12.2.3 卡尔曼滤波 414

12.2.4 粒子滤波 417

12.3 基于数据驱动的跟踪方法 421

12.3.1 波门跟踪方法 421

12.3.2 基于模板匹配的跟踪方法 422

12.3.3 基于活动轮廓的跟踪方法 422

12.3.4 基于核的跟踪方法 423

12.3.5 基于子空间学习的跟踪方法 426

12.3.6 基于机器学习的跟踪方法 428

12.4 多目标跟踪 430

12.4.1 多目标跟踪的基本原理 431

12.4.2 最近邻法(NN) 432

12.4.3 概率数据关联滤波器(PDAF) 433

12.4.4 联合概率数据关联滤波器(JPDAF) 434

12.4.5 多假设跟踪 436

小结 438

习题 438

第13章 图像识别 439

13.1 图像识别系统 439

13.2 特征提取与特征数据处理 440

13.2.1 原始特征的形成 441

13.2.2 线性特征提取 441

13.2.3 非线性特征提取 443

13.2.4 特征袋模型 447

13.2.5 稀疏编码 449

13.2.6 特征选择 450

13.3 统计分类器 453

13.3.1 线性分类器 454

13.3.2 最近邻分类器 455

13.3.3 Bayes分类器 455

13.4 人工神经元网络 456

13.4.1 基本原理 456

13.4.2 BP神经网络 457

13.4.3 模糊神经网络 459

13.4.4 组合神经网络 463

13.5 支持向量机分类 465

13.5.1 最优分类面 465

13.5.2 支持向量机 466

13.5.3 核函数的选择 467

13.6 分类器增强算法——AdaBoost 468

小结 469

习题 469

第14章 工程应用系统案例分析 471

14.1 免疫细胞图像分析系统 471

14.1.1 图像的自动分割 472

14.1.2 目标定位 472

14.1.3 细胞提取 474

14.1.4 细胞测量 474

14.2 皮肤镜图像分析系统 475

14.2.1 皮肤镜图像的预处理 476

14.2.2 皮肤镜图像的分割 477

14.2.3 皮损目标的特征提取 478

14.2.4 皮损目标的分类识别 479

14.3 铁路扣件损伤检测系统 479

14.3.1 轨面定位 480

14.3.2 轨枕定位 481

14.3.3 扣件目标检测 481

14.3.4 扣件区域增强 481

14.3.5 扣件目标特征提取 483

14.3.6 扣件目标损伤状态识别 483

14.4 交通监控车牌识别系统 484

14.4.1 预处理增强 485

14.4.2 车牌检测 486

14.4.3 虚警去除 487

14.4.4 字符分割 489

14.4.5 字符识别 489

小结 491

参考文献 492