第1章 緒論
1.1 數(shù)字圖像處理的發(fā)展
1.1.1 數(shù)字圖像處理的發(fā)展歷史
1.1.2 數(shù)字圖像處理的研究現(xiàn)狀
1.2 數(shù)字圖像處理的概念
1.2.1 圖像
1.2.2 數(shù)字圖像
1.2.3 彩色圖像、灰度圖像與二值圖像
1.3 數(shù)字圖像處理的內(nèi)容、基本步驟和特點
1.3.1 數(shù)字圖像處理的內(nèi)容
1.3.2 數(shù)字圖像處理的基本步驟
1.3.3 數(shù)字圖像處理的方法
1.3.4 數(shù)字圖像處理的基本特點
1.4 數(shù)字圖像處理系統(tǒng)的組成
1.5 數(shù)字圖像處理的應(yīng)用
1.6 圖像處理與相關(guān)學科的介紹
習題
第2章 數(shù)字圖像處理基礎(chǔ)
2.1 視覺感知原理
2.1.1 視覺系統(tǒng)
2.1.2 圖像質(zhì)量評價
2.2 顏色常識
2.2.1 顏色基礎(chǔ)
2.2.2 三基色與顏色匹配
2.3 彩色模型
2.3.1 RGB模型
2.3.2 HSI模型
2.3.3 YUV模型
2.4 模擬圖像的獲取和數(shù)字化
2.4.1 模擬圖像的獲取
2.4.2 采樣
2.4.3 量化和編碼
2.5 像素空間關(guān)系
2.5.1 像素鄰域
2.5.2 鄰接性、連通性、區(qū)域和邊界
2.5.3 像素間距離
2.6 圖像數(shù)據(jù)結(jié)構(gòu)
2.6.1 圖像模式
2.6.2 圖像文件格式
2.7 用VC實現(xiàn)BMP圖像文件的處理
2.7.1 DIB訪問函數(shù)
2.7.2 構(gòu)造自己的DIB函數(shù)庫
2.7.3 用VC++實現(xiàn)BMP圖像的顯示
習題
第3章 圖像的基本運算
3.1 圖像基本運算概述
3.2 圖像的代數(shù)運算和邏輯運算
3.2.1 代數(shù)運算
3.2.2 集合運算與邏輯運算
3.3 圖像的幾何變換
3.3.1 幾何變換的基礎(chǔ)知識
3.3.2 齊次坐標
3.3.3 基本幾何變換
3.4 圖像的插值運算
3.4.1 最近鄰插值法
3.4.2 雙線性插值法
3.4.3 雙三次插值法
習題
第4章 圖像的正交變換
4.1 圖像的傅立葉變換
4.1.1 傅立葉變換的定義
4.1.2 圖像的傅立葉變換的性質(zhì)
4.2 圖像的離散余弦變換
4.2.1 離散余弦變換的基本概念
4.2.2 離散余弦變換的計算
4.3 圖像的沃爾什變換
4.3.1 一維離散沃爾什變換
4.3.2 二維離散沃爾什變換
4.3.3 哈達瑪變換
4.4 離散K-L變換
4.4.1 離散K-L變換的基本思想
4.4.2 離散K-L變換的步驟
4.4.3 離散K-L變換的性質(zhì)和特點
4.4.4 綜合案例--基于K-L變換的人臉識別
習題
第5章 圖像增強
5.1 圖像增強的概念和分類
5.2 灰度變換
5.2.1 灰度變換的基礎(chǔ)知識
5.2.2 線性灰度變換
5.2.3 分段線性灰度變換
5.2.4 非線性灰度變換
5.3 直方圖處理
5.3.1 直方圖基本概念
5.3.2 直方圖均衡化
5.3.3 直方圖規(guī)定化
5.4 圖像的平滑
5.4.1 圖像噪聲
5.4.2 局部統(tǒng)計法
5.4.3 空域平滑法
5.4.4 中值濾波
5.4.5 頻域低通濾波
5.5 圖像的銳化
5.5.1 一階微分算子法
5.5.2 拉普拉斯算子法
5.5.3 高通濾波法
5.6 圖像的偽彩色增強
習題
第6章 圖像復原
6.1 圖像退化模型
6.1.1 圖像退化的原因
6.1.2 圖像退化的數(shù)學模型
6.1.3 圖像退化模型的離散形式
6.2 噪聲模型
6.2.1 噪聲的空間和頻率特性
6.2.2 一些重要的噪聲介紹
6.3 無約束復原
6.3.1 無約束復原的代數(shù)方法
6.3.2 逆濾波方法
6.4 有約束復原
6.4.1 維納濾波
6.4.2 有約束最小平方濾波
6.5 運動模糊圖像的復原
6.5.1 目標相對運動造成的圖像模糊
6.5.2 運動模糊圖像復原
6.6 其他的圖像恢復方法
6.6.1 幾何畸變校正
6.6.2 盲目圖像復原
習題
第7章 圖像重建
7.1 圖像重建概述
7.1.1 圖像重建的方法
7.1.2 圖像重建在醫(yī)學領(lǐng)域的應(yīng)用
7.2 圖像的投影
7.2.1 圖像的投影過程
7.2.2 圖像的投影定理
7.3 傅立葉投影重建
7.4 代數(shù)法重建
習題
第8章 圖像形態(tài)學運算
8.1 形態(tài)學運算概述
8.1.1 數(shù)學形態(tài)學的歷史
8.1.2 數(shù)學形態(tài)學的概念
8.1.3 數(shù)學形態(tài)學的數(shù)學基礎(chǔ)和基本符號
8.2 二值圖像的膨脹
8.2.1 基本原理
8.2.2 膨脹運算在計算機中的實現(xiàn)
8.3 二值圖像的腐蝕
8.3.1 基本原理
8.3.2 腐蝕運算在計算機中的實現(xiàn)
8.4 膨脹、腐蝕運算的代數(shù)性質(zhì)
8.5 擊中/擊不中變換
8.6 二值圖像的開運算和閉運算
8.7 二值圖像形態(tài)學應(yīng)用
8.7.1 濾波
8.7.2 平滑
8.7.3 邊緣提取
8.7.4 細化
8.7.5 粗化
8.8 灰度圖像的形態(tài)學運算
8.8.1 灰度膨脹
8.8.2 灰度腐蝕
8.8.3 灰度圖像開運算與閉運算
8.8.4 灰度圖像形態(tài)學應(yīng)用
8.9 彩色圖像的形態(tài)學處理
習題
第9章 圖像分割
9.1 圖像分割的基本概念
9.2 圖像的并行邊界分割算法
9.2.1 一階梯度算子
9.2.2 二階梯度算子
9.2.3 Canny算子
9.2.4 霍夫變換
9.3 圖像的并行區(qū)域算法
9.3.1 直方圖閾值法
9.3.2 最優(yōu)閾值法
9.3.3 其他經(jīng)典的閾值確定方法
9.4 圖像的串行邊界算法
9.5 圖像的串行區(qū)域算法
9.5.1 區(qū)域生長
9.5.2 區(qū)域分裂與合并
9.6 幾種典型的圖像分割算法
9.6.1 基于梯度增強的新聞字幕分割算法
9.6.2 光學樂譜分割算法
9.6.3 彩色圖像的自適應(yīng)模糊聚類算法
9.7 圖像分割算法的評價方法
習題
第10章 小波變換的數(shù)字圖像處理
10.1 概述
10.2 小波變換基礎(chǔ)
10.2.1 序列展開
10.2.2 基于尺度函數(shù)的展開
10.2.3 基于小波函數(shù)的展開
10.2.4 尺度函數(shù)和小波函數(shù)的多分辨率分析
10.2.5 尺度函數(shù)和小波函數(shù)示例
10.3 一維小波變換
10.3.1 小波級數(shù)展開
10.3.2 離散小波變換
10.4 快速小波變換
10.5 二維小波變換
10.5.1 二維變換函數(shù)
10.5.2 二維變換實現(xiàn)
10.6 基于小波變換的圖像壓縮編碼
10.6.1 圖像壓縮編碼基礎(chǔ)
10.6.2 圖像壓縮編碼的基本方法
10.7 基于小波變換的圖像融合
10.7.1 小波算法
10.7.2 常用的圖像融合法則
10.7.3 融合圖像評價
10.7.4 融合圖像數(shù)據(jù)評價
習題
第11章 圖像特征提取與分類
11.1 特征提取與分類概述
11.2 常用的圖像特征提取方法
11.2.1 低層次特征提取
11.2.2 高層次特征提取
11.3 圖像特征分類基礎(chǔ)
11.3.1 距離分類器設(shè)計與應(yīng)用
11.3.2 神經(jīng)網(wǎng)絡(luò)方法
11.3.3 統(tǒng)計學習理論和支持向量機識別方法
11.4 基于人臉圖像的性別分類系統(tǒng)
11.4.1 基于Gabor濾波人眼定位算法
11.4.2 增強型PCA-SIFT特征提取
11.4.3 基于LVQ增強型FSVM人臉分類
11.4.4 人臉性別識別系統(tǒng)設(shè)計
11.5 基于步態(tài)的性別分類研究
11.5.1 IRIP步態(tài)數(shù)據(jù)庫介紹
11.5.2 步態(tài)數(shù)據(jù)庫預(yù)處理--ViBe算法步態(tài)分割
11.5.3 基于時間和空間GPCI特征融合的性別分類
11.5.4 基于步態(tài)的分類實驗
11.6 手背靜脈身份識別系統(tǒng)
11.6.1 手背靜脈圖像預(yù)處理
11.6.2 手背靜脈圖像的分割算法
11.6.3 基于SIFT的多模板分類器設(shè)計
11.6.4 基于局部二值模式的手背靜脈特征提取
11.6.5 基于LBP特征算子的分類器設(shè)計
11.6.6 基于手背靜脈的門禁系統(tǒng)設(shè)計
習題
參考文獻