目 錄

第一部分 數(shù)字圖像處理基礎(chǔ)
第1章 概述 1
1.1 數(shù)字圖像處理及特點(diǎn) 1
1.1.1 數(shù)字圖像及數(shù)字圖像處理 1
1.1.2　數(shù)字圖像處理的特點(diǎn) 2
1.2 數(shù)字圖像處理系統(tǒng) 2
1.3 數(shù)字圖像處理的研究?jī)?nèi)容 3
1.4 數(shù)字圖像處理的應(yīng)用及發(fā)展 4
1.4.1 數(shù)字圖像處理的應(yīng)用 4
1.4.2 數(shù)字圖像處理的發(fā)展 7
1.5 全書(shū)內(nèi)容簡(jiǎn)介 8
習(xí)題 9
第2章 數(shù)字圖像處理基礎(chǔ) 10
2.1 人類視覺(jué)系統(tǒng) 10
2.1.1 視覺(jué)系統(tǒng)的基本構(gòu)造 10
2.1.2 亮度適應(yīng)及鑒別 11
2.2 數(shù)字圖像基礎(chǔ)知識(shí) 14
2.2.1 圖像的數(shù)字化及表達(dá) 14
2.2.2 圖像獲取 16
2.2.3 像素間的基本關(guān)系 18
2.2.4 圖像分類 20
習(xí)題 24
第3章 數(shù)字圖像處理基本運(yùn)算 25
3.1 點(diǎn)運(yùn)算 25
3.1.1 線性點(diǎn)運(yùn)算 25
3.1.2 非線性點(diǎn)運(yùn)算 27
3.2 代數(shù)運(yùn)算及邏輯運(yùn)算 28
3.2.1 加法運(yùn)算 29
3.2.2 減法運(yùn)算 30
3.2.3 乘法運(yùn)算 32
3.2.4 除法運(yùn)算 32
3.2.5 邏輯運(yùn)算 33
3.3 幾何運(yùn)算 34
3.3.1 圖像的平移 34
3.3.2 圖像的鏡像 35
3.3.3 圖像的旋轉(zhuǎn) 37
3.3.4 圖像的縮放 38
3.3.5 灰度重采樣 41
習(xí)題 44
第4章 圖像變換 45
4.1 連續(xù)傅里葉變換 45
4.2 離散傅里葉變換 46
4.3　快速傅里葉變換 47
4.4 傅里葉變換的性質(zhì) 48
4.4.1 可分離性 48
4.4.2 平移性質(zhì) 49
4.4.3 周期性及共軛對(duì)稱性 51
4.4.4 旋轉(zhuǎn)性質(zhì) 52
4.4.5 分配律 53
4.4.6 尺度變換 53
4.4.7 平均值 54
4.4.8 卷積定理 55
4.5 圖像傅里葉變換實(shí)例 56
4.6 其他離散變換 58
4.6.1 離散余弦變換 58
4.6.2 二維離散沃爾什-哈達(dá)瑪變換 61
4.6.3 卡胡南-拉維變換 65
4.6.4 小波變換 67
習(xí)題 71
第二部分 數(shù)字圖像處理技術(shù)
第5章 圖像增強(qiáng) 73
5.1 圖像增強(qiáng)的概念及分類 73
5.2 空間域圖像增強(qiáng) 74
5.2.1 基于灰度變換的圖像增強(qiáng) 74
5.2.2 基于直方圖處理的圖像增強(qiáng) 77
5.2.3 空間域?yàn)V波增強(qiáng) 82
5.3 頻率域圖像增強(qiáng) 89
5.3.1 頻率域圖像增強(qiáng)基本理論 89
5.3.2 頻率域平滑濾波器 90
5.3.3 頻率域銳化濾波器 94
5.3.4 同態(tài)濾波器 96
習(xí)題 98
第6章 圖像復(fù)原 100
6.1 圖像復(fù)原及退化模型基礎(chǔ) 100
6.1.1 圖像退化的原因及退化模型 100
6.1.2 圖像退化的數(shù)學(xué)模型 103
6.1.3 復(fù)原技術(shù)的概念及分類 104
6.2 噪聲模型 104
6.2.1 一些重要噪聲的概率密度函數(shù) 105
6.2.2 噪聲參數(shù)的估計(jì) 108
6.3 空間域?yàn)V波復(fù)原 109
6.3.1 均值濾波器 109
6.3.2 順序統(tǒng)計(jì)濾波器 112
6.3.3 自適應(yīng)濾波器 115
6.4 頻率域?yàn)V波復(fù)原 118
6.4.1 帶阻濾波器 118
6.4.2 帶通濾波器 121
6.4.3 其他頻率域?yàn)V波器 121
6.5 估計(jì)退化函數(shù) 122
6.5.1 觀察估計(jì)法 123
6.5.2 試驗(yàn)估計(jì)法 123
6.5.3 模型估計(jì)法 123
6.6 逆濾波 125
6.7 最小均方誤差濾波——維納濾波 126
6.8 幾何失真校正 129
6.8.1 空間變換 130
6.8.2 灰度插值 132
6.8.3 實(shí)現(xiàn) 132
習(xí)題 135
第7章 圖像壓縮編碼 137
7.1 概述 137
7.1.1 圖像的信息量及信息熵 137
7.1.2 圖像數(shù)據(jù)冗余 138
7.1.3 圖像壓縮編碼方法 141
7.1.4 圖像壓縮技術(shù)的性能指標(biāo) 141
7.1.5 保真度準(zhǔn)則 143
7.2 無(wú)失真圖像壓縮編碼 144
7.2.1 哈夫曼編碼 144
7.2.2 游程編碼 146
7.2.3 算術(shù)編碼 148
7.3 有限失真圖像壓縮編碼 151
7.3.1 率失真函數(shù) 151
7.3.2 預(yù)測(cè)編碼及變換編碼 153
7.3.3 矢量量化編碼 160
7.4 圖像編碼新技術(shù) 162
7.4.1 子帶編碼 162
7.4.2 模型基編碼 163
7.4.3 分形編碼 164
7.5 圖像壓縮技術(shù)標(biāo)準(zhǔn) 164
7.5.1 概述 165
7.5.2 JPEG壓縮 165
7.5.3 JPEG 2000 166
7.5.4 H.26x標(biāo)準(zhǔn) 168
7.5.5 MPEG標(biāo)準(zhǔn) 168
習(xí)題 169
第8章 圖像分割 171
8.1 概述 171
8.2 邊緣檢測(cè)及連接 172
8.2.1 邊緣檢測(cè) 172
8.2.2 邊緣連接 180
8.3 閾值分割 183
8.3.1 基礎(chǔ) 183
8.3.2 全局閾值 184
8.3.3 自適應(yīng)閾值 189
8.3.4 最佳閾值的選擇 189
8.3.5 分水嶺算法 190
8.4 區(qū)域分割 192
8.4.1 區(qū)域生長(zhǎng)法 192
8.4.2 區(qū)域分裂合并法 194
8.5 二值圖像處理 196
8.5.1 數(shù)學(xué)形態(tài)學(xué)圖像處理 197
8.5.2 開(kāi)運(yùn)算及閉運(yùn)算 200
8.5.3 一些基本形態(tài)學(xué)算法 202
習(xí)題 205
第三部分 數(shù)字圖像處理擴(kuò)展內(nèi)容
第9章 彩色圖像處理 207
9.1 彩色圖像基礎(chǔ) 207
9.1.1 彩色圖像的概念 207
9.1.2 彩色基礎(chǔ) 208
9.2 彩色模型 212
9.2.1 RGB彩色模型 212
9.2.2 CMY彩色模型及CMYK彩色模型 214
9.2.3 HSI彩色模型 215
9.3 偽彩色處理 218
9.3.1 背景 218
9.3.2 強(qiáng)度分層 219
9.3.3 灰度級(jí)到彩色變換 221
9.3.4 假彩色處理 223
9.4 全彩色圖像處理 224
9.4.1 全彩色圖像處理基礎(chǔ) 224
9.4.2 彩色平衡 225
9.4.3 彩色圖像增強(qiáng) 227
9.4.4 彩色圖像平滑 229
9.4.5 彩色圖像銳化 231
9.5 彩色圖像分割 232
9.5.1 HSI彩色空間分割 233
9.5.2 RGB彩色空間分割 233
9.5.3 彩色邊緣檢測(cè) 235
9.6 彩色圖像處理的應(yīng)用 238
9.6.1 去紅眼 239
9.6.2 膚色檢測(cè) 239
9.6.3 基于彩色的跟蹤 240
習(xí)題 241
第10章 圖像表示及描述 243
10.1 背景 243
10.2 顏色特征 244
10.2.1 灰度特征 244
10.2.2 直方圖特征 245
10.2.3 顏色矩 246
10.3 紋理特征 246
10.3.1 自相關(guān)函數(shù) 247
10.3.2 灰度差分統(tǒng)計(jì) 248
10.3.3 灰度共生矩陣 250
10.3.4 頻譜特征 253
10.4 邊界特征 255
10.4.1 邊界表達(dá) 255
10.4.2 邊界特征描述 259
10.5 區(qū)域特征 262
10.5.1 簡(jiǎn)單的區(qū)域描述 262
10.5.2 拓?fù)涿枋?266
10.5.3 形狀描述 267
10.5.4 矩 268
10.6 主成分 271
10.6.1 主成分基礎(chǔ) 271
10.6.2 主成分描述 273
10.7 特征提取的應(yīng)用 275
10.7.1 粒度測(cè)定 275
10.7.2 圓形目標(biāo)判別 278
10.7.3 運(yùn)動(dòng)目標(biāo)特征提取 279
習(xí)題 281
第11章 基于深度學(xué)習(xí)的數(shù)字圖像處理 283
11.1 深度學(xué)習(xí)概述 283
11.1.1 深度學(xué)習(xí)的基本思想 283
11.1.2 深度學(xué)習(xí)的優(yōu)勢(shì) 284
11.2 卷積神經(jīng)網(wǎng)絡(luò) 284
11.2.1 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu) 285
11.2.2 卷積層 285
11.2.3 池化層 287
11.2.4 全連接層 287
11.3 基于深度學(xué)習(xí)的圖像分類 288
11.3.1 基本原理 288
11.3.2 經(jīng)典圖像分類網(wǎng)絡(luò) 290
11.3.3 圖像分類網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn) 292
11.4 基于深度學(xué)習(xí)的圖像去噪 295
11.4.1 基本原理 295
11.4.2 經(jīng)典圖像去噪網(wǎng)絡(luò) 296
11.4.3 圖像去噪網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn) 297
11.5 基于深度學(xué)習(xí)的圖像壓縮 300
11.5.1 基本原理 300
11.5.2 圖像壓縮網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn) 301
11.6 基于深度學(xué)習(xí)的圖像分割 303
11.6.1 基本原理 304
11.6.2 經(jīng)典圖像分割網(wǎng)絡(luò) 305
11.6.3 圖像分割網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn) 306
習(xí)題 307
第12章 數(shù)字圖像處理的工程應(yīng)用 308
12.1 基于圖像處理的紅細(xì)胞數(shù)目檢測(cè) 308
12.2 基于膚色分割及灰度積分算法的人眼定位 310
12.3 基于DCT的數(shù)字水印算法 315
12.4 基于BP神經(jīng)網(wǎng)絡(luò)的手寫(xiě)漢字識(shí)別 321
12.5 基于卡爾曼濾波的多目標(biāo)檢測(cè)及跟蹤 329
參考文獻(xiàn) 338