第1章 绪论 1
1.1 数字图像处理 1
1.1.1 图像的概念及分类 1
1.1.2 数字图像处理的发展概况 2
1.1.3 数字图像处理的研究范畴 3
1.1.4 数字图像处理的基本特点 5
1.1.5 数字图像处理与相关学科的关系 5
1.1.6 数字图像处理的应用 6
1.2 模式识别 7
1.2.1 模式和模式识别的概念 8
1.2.2 研究内容 8
1.2.3 系统组成 8
1.2.4 主要方法 9
1.2.5 应用现状 10
1.3 图像识别 10
1.3.1 系统的基本构成 10
1.3.2 研究现状 11
1.3.3 应用现状 12
1.4 本章小结 13
第2章 图像预处理技术 14
2.1 基本概念 14
2.1.1 邻域、邻接、区域和连通的概念 14
2.1.2 邻域（模板）运算 15
2.2 图像增强 17
2.2.1 图像增强的概念 17
2.2.2 基于点操作的图像增强 17
2.2.3 基于邻域操作的图像增强 23
2.3 图像复原 26
2.3.1 图像的退化和复原概述 26
2.3.2 图像退化的数学模型 27
2.3.3 几种经典的图像复原方法 30
2.4 图像变换 35
2.4.1 图像变换概述 35
2.4.2 傅里叶变换 36
2.4.3 离散余弦变换 47
2.4.4 离散沃尔什-哈达玛变换 52
2.4.5 离散K-L变换 56
2.4.6 离散小波变换 58
2.5 本章小结 62
第3章 图像分割技术 63
3.1 图像分割概述 63
3.2 并行边界分割 64
3.2.1 边缘的定义和种类 64
3.2.2 并行边缘检测方法 65
3.3 串行边界分割 71
3.4 并行区域分割 72
3.4.1 阈值分割概述 72
3.4.2 典型的阈值选取方法 74
3.4.3 动态阈值分割法 77
3.4.4 阈值插值法 78
3.4.5 分水岭阈值分割方法 79
3.4.6 基于熵的阈值分割方法 81
3.4.7 多阈值分割方法 85
3.4.8 其他局部阈值分割方法 86
3.5 串行区域分割 86
3.5.1 区域生长 86
3.5.2 区域分裂合并 89
3.6 其他灰度图像分割方法 91
3.6.1 基于小波变换的图像分割 92
3.6.2 基于马尔可夫随机场模型的图像分割 92
3.6.3 基于遗传算法的图像分割 92
3.6.4 基于人工神经网络的图像分割 93
3.6.5 基于聚类的图像分割 93
3.6.6 基于图论的图像分割 94
3.6.7 基于能量泛函的图像分割 94
3.6.8 基于NSCT的图像分割 95
3.7 二值图像的分割——数学形态学图像处理 96
3.7.1 基本符号和关系 97
3.7.2 腐蚀运算 98
3.7.3 膨胀运算 100
3.7.4 开运算 101
3.7.5 闭运算 102
3.7.6 细化 103
3.7.7 粗化 105
3.8 彩色图像的分割 106
3.8.1 颜色基础 106
3.8.2 彩色模型（彩色规范） 109
3.8.3 彩色分割策略 114
3.9 图像分割的评价 115
3.10 本章小结 116
第4章 图像特征提取与分类 118
4.1 图像特征基础 118
4.1.1 图像特征的概念 118
4.1.2 特征形成和提取 119
4.1.3 特征选择 119
4.2 颜色特征的表示与提取 119
4.2.1 颜色直方图 119
4.2.2 颜色矩 122
4.2.3 颜色集 122
4.2.4 颜色聚合向量 123
4.2.5 颜色相关图 123
4.2.6 颜色布局 123
4.3 纹理特征的表示与提取 124
4.3.1 纹理的概念和研究内容 124
4.3.2 灰度共生矩阵 127
4.3.3 Tamura纹理特征 132
4.3.4 局部二值模式 133
4.3.5 局部累积矩 136
4.3.6 自回归纹理模型 136
4.3.7 分形分析 137
4.3.8 基于小波变换的纹理特征提取 139
4.3.9 Gabor滤波 140
4.4 形状特征的表示与提取 141
4.4.1 基本概念 142
4.4.2 区域描述 142
4.4.3 边界描述 150
4.4.4 Hough变换 161
4.4.5 其他形状特征 165
4.5 空间关系特征 165
4.5.1 空间关系特征的特点 165
4.5.2 常用的空间特征提取方法 166
4.6 特征空间的降维 166
4.6.1 主成分分析 167
4.6.2 Fisher线性判别分析 168
4.6.3 PCA和FLDA的比较 170
4.6.4 多维尺度法 171
4.7 特征向量的分类方法 172
4.7.1 模式识别简介 172
4.7.2 Adaboost分类器 173
4.7.3 支持向量机 176
4.7.4 随机森林分类器 179
4.7.5 分类器的评价与比较 180
4.8 综合应用实例——基于内容的图像检索 181
4.8.1 研究背景 181
4.8.2 研究内容 182
4.8.3 研究现状 182
4.8.4 发展方向 183
4.9 本章小结 184
第5章 基于模板匹配的图像识别技术 185
5.1 模板匹配概述 185
5.1.1 研究现状 186
5.1.2 一般流程 186
5.1.3 应用现状 187
5.2 基于图像灰度的模板匹配 189
5.2.1 平方误差度量 189
5.2.2 差的绝对值和相关法 189
5.2.3 互相关法 190
5.2.4 序贯相似性度量 191
5.2.5 最大互信息法 192
5.3 基于图像特征的模板匹配 193
5.4 其他模板匹配方法 193
5.4.1 二阶段模板匹配 193
5.4.2 投影模板匹配 194
5.4.3 自适应模板匹配 194
5.4.4 模板匹配快速算法 194
5.5 本章小结 195
第6章 运动图像序列分析 196
6.1 运动基础知识 196
6.1.1 刚性运动 197
6.1.2 非刚性运动 198
6.2 基于光流场的运动图像分析 200
6.2.1 光流和光流场 200
6.2.2 光流约束方程 202
6.2.3 孔径问题 203
6.2.4 梯度光流法 205
6.2.5 特征光流法 209
6.3 基于配准的运动图像分析 212
6.3.1 配准方法 212
6.3.2 最优匹配的搜索 214
6.3.3 结果举例及讨论 216
6.4 本章小结 219
第7章 变形模型技术 220
7.1 变形模型的数学基础 220
7.1.1 能量最小化变形模型 220
7.1.2 动态可变形模型 221
7.1.3 离散化和数字仿真 221
7.2 变形模型在医学图像处理中的应用 222
7.2.1 采用可变形曲线的图像分割 222
7.2.2 采用可变形曲面的体视图像分割 223
7.2.3 先验知识 223
7.2.4 图像的匹配 223
7.2.5 运动跟踪和分析 224
7.3 参数活动轮廓模型 225
7.3.1 模型原理 225
7.3.2 能量最小值的求解 227
7.4 改进的snake模型 233
7.4.1 气球模型 233
7.4.2 T-snake模型 233
7.4.3 强约束T-snake模型 236
7.4.4 Kalman snake模型 241
7.5 几何活动轮廓模型 244
7.5.1 常用的几何活动轮廓模型 244
7.5.2 数值化求解 246
7.6 基于超二次曲面的变形模型 247
7.6.1 超二次曲面的数学描述 247
7.6.2 超二次曲面的变形 249
7.6.3 扩展超二次曲面 249
7.6.4 拟合ESQ曲面模型 250
7.7 本章小结 253
第8章 综合应用实例——血管内超声图像的分割和斑块的自动识别 254
8.1 血管内超声成像简介 254
8.1.1 成像原理 254
8.1.2 图像特点 255
8.2 血管内超声图像的分割 259
8.2.1 方法分类 259
8.2.2 典型方法 260
8.2.3 展望 264
8.3 血管内超声图像中斑块的自动识别 265
8.3.1 方法分类 265
8.3.2 血管内超声图像纹理特征的提取和描述 266
8.3.3 血管内超声图像纹理特征的分类 270
8.4 本章小结 272
第9章 综合应用实例——车辆牌照字符的自动识别 273
9.1 汽车牌照图像的特点 273
9.1.1 中国汽车牌照分类 273
9.1.2 汽车牌照图像的特点 274
9.2 车辆牌照自动识别系统概述 275
9.3 车牌字符自动识别的研究现状 276
9.3.1 主要方法 276
9.3.2 技术难点 278
9.4 车牌字符自动识别方法举例 278
9.4.1 车辆图像的预处理 278
9.4.2 牌照定位 280
9.4.3 车牌字符识别及结果输出 281
9.5 本章小结 283
第10章 综合应用实例——航拍绝缘子图像的自动分割和定位 284
10.1 航拍绝缘子图像的特点 284
10.2 航拍绝缘子图像的分割 285
10.2.1 建立基于NSCT分解的灰度-梯度共生矩阵 285
10.2.2 采用灰熵模型及BF-PSO算法计算阈值 286
10.3 绝缘子串的自动定位 289
10.3.1 主要方法 289
10.3.2 基于形状特征的绝缘子串的自动定位 290
10.4 本章小结 294
参考文献 295