圖象分割

第一章 緒論
1.1 圖像分割簡(jiǎn)介
1.2 圖像分割的研究
1.2.1 圖像分割定義
1.2.2 分割算法分類
1.2.3 分割研究三層次
1.3 全書框架和各章簡(jiǎn)介
參考文獻(xiàn)
第二章 并行邊界分割技術(shù)
2.1 微分算子邊緣檢測(cè)
2.1.1 梯度算子
2.1.2 方向算子
2.1.3 拉普拉斯算子
2.1.4 馬爾算子
2.1.5 綜合正交算子
2.1.6 坎尼算子
2.2 邊緣擬合
2.2.1 灰度階躍邊緣
2.2.2 灰度斜變邊緣
2.2.3 基于矩保持的邊緣擬合
2.3 邊界閉合
2.4 哈夫變換
2.4.1 基本原理
2.4.2 實(shí)用方法
2.4.3 廣義哈夫變換原理
2.5 利用切線信息的亞象素目標(biāo)邊緣檢測(cè)
參考文獻(xiàn)
第三章 串行邊界分割技術(shù)
3.1 邊界跟蹤
3.2 曲線擬合
3.3 狀態(tài)空間搜索
3.4 動(dòng)態(tài)規(guī)劃
參考文獻(xiàn)
第四章 并行區(qū)域分割技術(shù)
4.1 閾值化方法介紹
4.1.1 閾值化分割原理
4.1.2 閾值化算法分類
4.2 基于各象素值的閾值
4.2.1 極小值點(diǎn)閾值
4.2.2 最優(yōu)閾值
4.2.3 迭代閾值
4.2.4 直方圖凹性分析
4.3 基于區(qū)域性質(zhì)的閾值
4.3.1 直方圖變換
4.3.2 灰度值和梯度值散射圖
4.3.3 灰度值和平均灰度值散射圖
4.4 基于坐標(biāo)位置的閾值
4.4.1 閾值插值
4.4.2 水線閾值算法
4.5 基于過渡區(qū)的閾值
4.6 特征空間聚類
4.6.1 用特征進(jìn)行分類
4.6.2 空間聚類
4.7 連通區(qū)域標(biāo)記
4.7.1 象素標(biāo)記
4.7.2 游程連通性分析
參考文獻(xiàn)
第五章 串行區(qū)域分割技術(shù)
5.1 區(qū)域生長(zhǎng)
5.1.1 原理和步驟
5.1.2 生長(zhǎng)準(zhǔn)則和過程
5.2 分裂合并
5.2.1 基本方法
5.2.2 改進(jìn)方法
5.3 松弛迭代法
參考文獻(xiàn)
第六章 結(jié)合特定理論工具的分割技術(shù)
6.1 基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)
6.1.1 邊緣的形態(tài)檢測(cè)
6.1.2 水線區(qū)域分割
6.2 借助統(tǒng)計(jì)模式識(shí)別方法的分割技術(shù)
6.2.1 模式識(shí)別與分割
6.2.2 統(tǒng)計(jì)模式分類的關(guān)鍵
6.2.3 最大化后驗(yàn)概率
6.3 利用神經(jīng)網(wǎng)絡(luò)的分割技術(shù)
6.3.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
6.3.2 利用競(jìng)爭(zhēng)Hopfield神經(jīng)網(wǎng)絡(luò)的自動(dòng)聚類分割
6.4 基于信息論的分割技
6.4.1 交叉熵和交叉熵分割函數(shù)
6.4.2 類內(nèi)最小交叉熵閾值化分割
6.4.3 類間最大交叉熵閾值化分割
6.5 借助模糊集合和邏輯的分割技術(shù)
6.5.1 模糊集合和模糊散度
6.5.2 類間最大模糊散度閾值化分割
6.5.3 類內(nèi)最小模糊散度閾值化分割
6.5.4 模糊C-均值聚類分割
6.6 基于小波分析和變換的分割技術(shù)
6.6.1 小波變換簡(jiǎn)介
6.6.2 多尺度邊緣檢測(cè)
6.6.3 多分辨率閾值選取
6.7 利用遺傳算法的分割技術(shù)
6.7.1 遺傳算法流程
6.7.2 基于閾值曲面的二維遺傳算法
6.7.3 基于模糊隸屬度曲面的二維遺傳算法
參考文獻(xiàn)
第七章 特殊圖象的分割
7.1 三維圖象分割
7.1.1 3-D邊緣檢測(cè)
7.1.2 3-D圖象閾值化分割
7.2 彩色圖象分割
7.2.1 分割所用的彩色空間
7.2.2 分割策略
7.3 多光譜圖象的分割
7.4 深度圖象分割
7.5 紋理圖象分割
7.5.1 基于統(tǒng)計(jì)方法的紋理圖象分割
7.5.2 基于結(jié)構(gòu)方法的紋理圖象分割
7.5.3 基于空間頻率方法的紋理圖象分割
7.5.4 有監(jiān)督紋理分割
7.5.5 無(wú)監(jiān)督紋理分割
7.5.6 用最佳單Gabor濾波器分割雙紋理圖象
7.6 合成孔徑雷達(dá)圖象分割
7.7 運(yùn)動(dòng)圖象分割
7.7.1 直接方法
7.7.2 間接方法：估計(jì)光流場(chǎng)
7.7.3 間接方法：用貝葉斯方法分割光流
7.8 視頻圖象的時(shí)域分割
7.8.1 鏡頭檢測(cè)的基本原理
7.8.2 雙重窗口突變檢測(cè)算法
7.8.3 基于視頻編輯模型的漸變檢測(cè)算法
參考文獻(xiàn)
第八章 圖象分割評(píng)價(jià)
8.1 分割評(píng)價(jià)準(zhǔn)則
8.1.1 準(zhǔn)則分類
8.1.2 定性分析準(zhǔn)則
8.1.3 定量分析準(zhǔn)則
8.1.4 定性實(shí)驗(yàn)準(zhǔn)則
8.1.5 定量實(shí)驗(yàn)準(zhǔn)則
8.2 最終測(cè)量精度評(píng)價(jià)準(zhǔn)則及其性能研究
8.3 分割算法評(píng)價(jià)框架
8.4 一些分割算法評(píng)價(jià)實(shí)驗(yàn)和結(jié)果
8.4.1 取閾值算法在噪聲下的性有比較
8.4.2 多種算法分割不同干擾圖
8.4.3 各類算法的全面評(píng)價(jià)實(shí)驗(yàn)
8.5 基于評(píng)價(jià)的分割算法優(yōu)選系統(tǒng)
8.5.1 算法優(yōu)選思想及策略
8.5.2 優(yōu)選系統(tǒng)的實(shí)現(xiàn)和效果
參考文獻(xiàn)
第九章 分割評(píng)價(jià)方法系統(tǒng)研究
9.1 分割評(píng)價(jià)方法分類
9.2 各類評(píng)價(jià)方法和準(zhǔn)則的分析比較
9.3 定量實(shí)驗(yàn)評(píng)價(jià)準(zhǔn)則的比較
參考文獻(xiàn)
附錄A 預(yù)備知識(shí)/基本知識(shí)
A.1 圖象數(shù)據(jù)表達(dá)
A.1.1 空間占有數(shù)組
A.1.2 四叉樹
A.1.3 直方圖
A.2 象素間關(guān)系
A.2.1 象素的領(lǐng)域
A.2.2 連通性和通路
A.2.3 距離量度
A.3 預(yù)/后處理
A.3.1 預(yù)處理中的噪聲消除
A.3.2 灰度插值
A.3.3 后處理中的形態(tài)學(xué)方法
參考文獻(xiàn)
附錄B 圖象分割對(duì)特征測(cè)量的影響
B.1 影響測(cè)量精確度的因素
B.2 分割算法的具體影響
參考文獻(xiàn)
附錄C 有效平均梯度極值點(diǎn)性質(zhì)的證明
C.1 單過渡區(qū)時(shí)的證明
C.2 多過渡區(qū)時(shí)的證明
參考文獻(xiàn)