基于機(jī)器視覺(jué)的數(shù)字圖像處理與識(shí)別研究

緒論
第1章 計(jì)算機(jī)圖形概述
1.1 引言
1.2 圖像分割
1.3 圖像對(duì)象描述概述
1.4 圖像特征分析
第2章 數(shù)字圖像處理與圖像分割.
2.1 數(shù)字圖像處理的基礎(chǔ)知識(shí)
2.2 圖像增強(qiáng)
2.3 SVM圖像分割
2.4 基于Renyi熵和高斯混合模型的圖像分割
2.5 指紋方向?yàn)V波
2.6 實(shí)驗(yàn)結(jié)果
2.7 結(jié)論
第3章 圖像質(zhì)量分析
3.1　引言
3.2 算法概述
3.3 全局質(zhì)量分析
3.4 局部質(zhì)量分析
3.5 實(shí)驗(yàn)結(jié)果
3.6 本章小結(jié)
第4章 圖像特征提取
4.1 引言
4.2 輪廓特征提取
4.3 形狀識(shí)別相關(guān)經(jīng)典理論
4.4 圖像形狀特征
4.5 圖像統(tǒng)計(jì)特征
4.6 圖像識(shí)別中的鄰接輪廓線(xiàn)段組特征
4.7 基于模板的對(duì)象檢測(cè)中局部形狀和邊界特征
4.8 對(duì)象邊緣的相對(duì)方向特征
第5章 圖像平滑處理的頻域分析法
5.1 時(shí)域、頻域、時(shí)頻分析與數(shù)學(xué)分支簡(jiǎn)介
5.2 數(shù)字圖像處理
5.3 指紋圖像的頻域分析
5.4 指紋圖像奇異點(diǎn)塊檢測(cè)
5.5 仿真結(jié)果與分析
5.6 結(jié) 論
第6章 基于支持向量機(jī)的圖像識(shí)別
6.1 基于統(tǒng)計(jì)學(xué)習(xí)理論
6.2 支持向量機(jī)模型
6.3 支持向量機(jī)的模型參數(shù)選擇
6.4 SVM圖像目標(biāo)識(shí)別算法
6.5 試驗(yàn)結(jié)果與分析
6.6 本章小結(jié)
第7章 運(yùn)動(dòng)視頻特征圖像的識(shí)別--基于GMM與SVM的識(shí)別算法
7.1 基于混合高斯模型的視頻目標(biāo)識(shí)別算法
7.2 基于改進(jìn)的GMM與SVM結(jié)合的視頻目標(biāo)識(shí)別算法
7.3 試驗(yàn)結(jié)果與分析
7.4 本章小結(jié)
結(jié)論
第8章 圖像識(shí)別的應(yīng)用實(shí)例分析
8.1 槍彈痕跡識(shí)別的技術(shù)概況
8.2 非制式槍槍痕圖像識(shí)別
8.3 SIFT特征的圖像配準(zhǔn)
8.4 結(jié)論與分析
8.5 總結(jié)與展望
參考文獻(xiàn)