第1篇 基础知识 1
第1章 绪论 1
1.1数字图像处理概述 1
1.2数字图像处理常用方法 2
1.3数字图像处理相关研究领域 3
1.4常用图像数据集 5
1.4.1 Corel图像集 5
1.4.2 Caltech 101图像集 5
1.4.3 Caltech 256图像集 7
1.4.4 COIL图像集 7
1.4.5其他图像集 9
1.5 OpenCV简介 9
参考文献 11
第2篇 基于内容的图像检索 12
第2章 基于内容的图像检索概述 12
2.1基于内容的图像检索的产生与发展 12
2.2图像检索系统的构成 16
2.3图像检索系统的评价标准 16
参考文献 18
第3章 图像检索典型方法 19
3.1基于颜色特征的图像检索 19
3.1.1图像的颜色空间 19
3.1.2典型的图像颜色特征 23
3.1.3颜色直方图匹配 25
3.2基于纹理特征的图像检索 26
3.2.1灰度共生矩阵 27
3.2.2 Tamura纹理特征 28
3.2.3小波变换 29
3.3基于形状特征的图像检索 31
3.3.1边缘方向直方图 32
3.3.2傅里叶形状描述符 33
3.3.3 Hu不变矩 33
3.3.4 Jan Flusser不变矩 34
3.4基于空间关系的图像检索 35
3.5基于局部不变特征的图像检索 35
3.5.1 Moravec’s角点检测子 38
3.5.2 Harris角点检测子 38
3.5.3 SUSAN算子 42
3.5.4 SIFT算子 44
3.5.5 MSER区域检测子 49
3.5.6局部不变特征的性质 51
3.6其他图像检索方法 52
参考文献 52
第4章 基于连通区域的图像仿射不变区域提取及描述 54
4.1基于连通区域的仿射不变区域提取 55
4.1.1连通区域提取方法及其实现 55
4.1.2仿射不变区域的确定 56
4.1.3去除不满足条件的区域 56
4.2图像仿射不变区域的描述 57
4.3实验结果与分析 58
参考文献 60
第5章 基于三维颜色直方图的图像检索 61
5.1颜色空间量化 61
5.1.1图像颜色量化理论 61
5.1.2颜色矢量量化方案的选择 62
5.2提取三维颜色直方图 65
5.3颜色直方图匹配 66
5.4实验结果与分析 66
参考文献 68
第3篇 基于内容的视频检索 69
第6章 基于内容的视频检索概述 69
6.1基于内容的视频检索的产生与发展 69
6.2视频检索系统的构成 71
6.3 TRECVID简介 71
6.4视频检索系统评价标准 72
参考文献 72
第7章 视频结构化分析 73
7.1镜头分割 74
7.1.1基于直方图的镜头分割方法 74
7.1.2像素法 75
7.1.3基于边缘探测的算法 76
7.1.4基于模型的镜头分割方法 77
7.1.5面向压缩视频的镜头分割方法 78
7.2关键帧提取 80
7.2.1基于采样的关键帧提取方法 81
7.2.2基于帧间差的关键帧提取方法 81
7.2.3基于聚类的关键帧提取方法 81
7.2.4基于视频单元分类的关键帧提取方法 81
7.2.5基于累积帧间差的关键帧提取方法 82
7.2.6基于运动信息的关键帧提取方法 82
7.2.7基于文字和图像信息的关键帧提取方法 82
7.3场景和镜头组的构造 83
7.4视频特征提取 83
7.4.1 MPEG-7标准中的视觉特征描述子 84
7.4.2关键帧特征提取 89
7.4.3视频特征提取 91
参考文献 106
第8章 综合时序特征曲线和关键帧特征的视频检索 109
8.1视频时序特征的提取与匹配 110
8.1.1视频特征曲线的提取 111
8.1.2视频特征曲线的匹配 112
8.1.3实验结果及分析 113
8.2关键帧特征的提取与匹配 114
8.2.1子片段划分与关键帧提取 114
8.2.2关键帧特征提取和匹配 114
8.3实验结果与分析 115
参考文献 116
第9章 视频语义分析与提取 117
9.1视频语义分析概述 117
9.1.1视频语义分析的意义 117
9.1.2视频语义分析发展现状 119
9.2特定领域的视频语义分析 120
9.2.1智能监控 120
9.2.2视频标注 124
9.2.3交通事件检测 126
参考文献 128
第4篇 图像配准与图像融合 130
第10章 多传感器图像融合发展与概况 130
10.1多传感器图像融合技术 130
10.2多传感器图像融合步骤 134
10.3多传感器图像融合的应用与发展趋势 135
参考文献 139
第11章 多传感器图像配准 141
11.1图像配准原理 142
11.1.1变换空间 142
11.1.2图像配准过程 143
11.2基于图像灰度的配准方法 144
11.2.1互相关法 144
11.2.2序贯相似性检测算法 145
11.3基于变换域的图像配准方法 146
11.4基于特征的图像配准方法 147
11.4.1特征选择与提取 149
11.4.2特征匹配 152
11.5基于SIFT算法的图像配准 154
11.5.1检测尺度空间极值点 154
11.5.2精确定位关键点 156
11.5.3关键点方向分配 156
11.5.4特征点描述子生成 157
11.5.5 SIFT算法改进及其结果 158
参考文献 161
第12章 多传感器图像融合 165
12.1多传感器图像融合规则 165
12.1.1基于像素的融合规则 165
12.1.2基于区域的融合规则 166
12.2基于金字塔的图像融合算法 167
12.2.1基于拉普拉斯金字塔的图像融合 167
12.2.2基于对比度金字塔分解的图像融合 169
12.2.3实验结果与分析 170
12.3基于小波变换的图像融合算法 174
12.3.1基于离散小波变换的图像融合方法 174
12.3.2图像的小波分解层数 176
12.3.3实验结果与分析 176
12.4基于NSCT变换的图像融合 183
12.4.1 Contourlet变换 183
12.4.2 NSCT变换 186
12.4.3基于NSCT的图像融合 189
12.4.4实验结果与分析 189
参考文献 191
第13章 彩色图像融合技术 194
13.1典型的色彩空间 194
13.1.1 RGB颜色空间 194
13.1.2 HSI颜色空间 195
13.1.3 YUV （Lab）颜色空间 196
13.1.4 YCbCr模型 197
13.1.5 YIQ模型 197
13.1.6 CIE色度模型 198
13.1.7 CMY色度空间 199
13.2彩色图像融合技术的发展 200
13.3经典彩色图像融合方法 202
13.3.1直接映射法 202
13.3.2 MIT融合法 202
13.3.3 TNO融合法 203
13.3.4基于lαβ空间色彩传递的图像融合方法 204
13.3.5基于YCbCr空间色彩传递的图像融合方法 206
13.4实验结果与分析 207
参考文献 208
第14章 多传感器图像融合质量评价 210
14.1主观评价方法 210
14.2基于单幅图像的评价方法 211
14.2.1灰度均值和标准差 211
14.2.2信息熵 212
14.2.3平均梯度 212
14.2.4边缘保持度客观评价指标 212
14.3基于参考图像的评价方法 212
14.3.1联合熵 213
14.3.2交互信息量 213
14.3.3空间频率 214
14.3.4偏差度 214
14.3.5对比度 214
14.3.6相关系数 214
14.4基于结构相似度的评价方法 215
14.5基于视觉特性的评价方法 216
14.5.1基于视觉感知的评价方法 216
14.5.2基于视觉兴趣的评价方法 217
14.6实验与结果分析 217
14.6.1金字塔融合方法评价与讨论 217
14.6.2小波分解层数评价与分析 219
14.6.3基于区域的融合规则质量评价与讨论 220
14.6.4 NSCT变化融合质量评价与讨论 221
参考文献 223