描述
开 本: 16开纸 张: 胶版纸包 装: 简装是否套装: 否国际标准书号ISBN: 9787301216071
《21世纪全国本科院校电气信息类创新型应用人才培养规划教材:数字图像处理算法及应用》主要以智能图像处理技术的算法实现为核心,系统介绍了图像预处理、图像分析与图像识别/理解的基本原理、方法和技术,还包括图像处理技术的现状和*研究进展。
《21世纪全国本科院校电气信息类创新型应用人才培养规划教材:数字图像处理算法及应用》首先论述了数字图像处理的基础知识与数学模型:其次对图像处理的预处理方法进行了归纳总结:再次详述了编者在图像分析中的工作;最后阐述了编者在图像识别领域中的*成果。每章末附有小结,为读者学习和深入掌握该章的主要内容提供了便利。《21世纪全国本科院校电气信息类创新型应用人才培养规划教材:数字图像处理算法及应用》可作为高等院校智能信息处理、通信工程、电子科学与技术、信息工程、自动化、计算机科学与技术、地球物理、生物工程、生物医学工程、医学、遥感等领域相关专业的教材,同时也可供上述相关专业的教师和科技工作者参考使用。
第1章 绪论
1.1 概述
1.2 什么是数字图像处理
1.3 数字图像处理研究内容
1.4 图像处理和其他相关学科的关系
1.5 图像处理的应用
1.5.1 在航天和航空技术方面的应用
1.5.2 在生物医学工程方面的应用
1.5.3 在工业和工程方面的应用
1.5.4 在军事公安方面的应用
1.5.5 在文化艺术方面的应用
1.5.6 在通信工程方面的应用
1.6 小结
习题
第2章 基础知识与数学模型
2.1 图像信息基础知识
2.1.1 δ函数
2.1.2 线性系统
2.2 图像质量评价
2.2.1 主观质量评价方法
2.2.2 客观质量评价方法
2.3 图像的数学描述
2.3.1 图像的函数表示
2.3.2 图像的统计表示
2.3.3 图像处理的统计模型
2.4 图像数字化
2.4.1 图像采样
2.4.2 图像量化
2.5 像素间的基本关系
2.5.1 邻域
2.5.2 连通性
2.5.3 距离
2.6 小结
习题
第3章 图像常用的基本操作
3.1 图像的点运算
3.1.1 灰度直方图
3.1.2 灰度的线性及对数变换
3.1.3 直方图均衡化
3.1.4 直方图规定化
3.2 图像的几何变换
3.2.1 简单的几何变换
3.2.2 插值算法
3.2.3 图像配准
3.3 空间域图像增强
3.3.1 空间域滤波
3.3.2 图像平滑
3.3.3 中值滤波
3.3.4 图像锐化
3.4 频率域图像增强
3.4.1 傅里叶变换基础知识
3.4.2 快速傅里叶变换
3.4.3 低通滤波器
3.4.4 高通滤波器
3.5 形态学图像处理
3.5.1 二值图像中的基本形态学运算
3.5.2 灰度图像中的基本形态学运算
3.6 小结
习题
第4章 图像复原
4.1 图像退化模型
4.1.1 连续函数退化模型
4.1.2 离散的退化模型
4.1.3 循环矩阵对角化
4.1.4 退化函数估计
4.2 常用图像复原法
4.2.1 逆滤波
4.2.2 维纳滤波
4.2.3 几何失真校正
4.2.4 从噪声中复原
4.3 一种变尺度参数的IRM去噪算法
4.3.1 IRM模型及其尺度参数
4.3.2 变尺度参数的IRM模型
4.3.3 实验结果与分析
4.4 基于逆尺度空间和Contourlet阈值的MRI重建方法
4.4.1 压缩感知理论框架
4.4.2 Contourlet变换的基本性质
4.4.3 基于逆尺度空间和Contourlet变换的MRI重建
4.4.4 实验结果与分析
4.5 小结
习题
第5章 图像分割
5.1 概述
5.2 相关算法理论基础
5.2.1 颜色空间
5.2.2 可变模型理论
5.2.3 水平集理论
5.2.4 Harris角点检测算法
5.3 人眼区域分割与定位
5.3.1 基于Adaboost人脸检测
5.3.2 人眼定位
5.3.3 基于椭圆拟合的眼睛轮廓提取
5.4 基于改进LevelSet的中医舌体分割
5.4.1 去除舌区域淤点并初始化舌体轮廓线
5.4.2 增强舌体与皮肤之间的弱边界
5.4.3 GAC主动轮廓模型的水平集表不
5.4.4 改进的水平集方法
5.4.5 实验与讨论
5.5 小结
习题
第6章 特征提取
6.1 概述
6.2 图像特征提取方法
6.2.1 直方图
6.2.2 灰度共生矩阵
6.2.3 颜色特征
6.2.4 形状上下文特征
6.2.5 SIFT特征
6.2.6 HOG特征
6.2.7 LBP-TOP特征提取
6.2.8 Gabor变换
6.3 特征降维
6.3.1 奇异值分解
6.3.2 主成分分析
6.3.3 核主成分分析
6.3.4 线性鉴别方法
6.4 基于IKDA的并行特征融合人脸表情识别
6.4.1 特征融合策略
6.4.2 改进的核LDA
6.4.3 实验结果与分析
6.5 小结
习题
第7章 视频跟踪
7.1 概述
7.2 视频跟踪的应用
7.2.1 视频监控
7.2.2 视觉导航
7.2.3 三维重构
7.2.4 其他
7.3 视频跟踪的技术现状
7.3.1 视频跟踪方法的分类
7.3.2 视频跟踪算法
7.3.3 视频跟踪中的技术难点
7.4 视频跟踪的基础核心技术
7.4.1 目标表示方法及目标特征
7.4.2 目标的检测方法
7.4.3 目标的跟踪方法
7.4.4 目标跟踪算法的性能评估
……
第8章 图像识别初步
第9章 神经网络分类器
第10章 支持向量机
第11章 动态贝叶斯网络
附录A 数字图像处理技术词汇表
附录B 数序基础
参考文献
评论
还没有评论。