MATLAB圖像處理：能力提高與應(yīng)用案例

提高篇
第1章 精通“圖像特征提取”
1.1 圖像多分辨率金字塔
1.1.1 淺析“圖像金字塔”
1.1.2 例程一點通
1.1.3 典型的“圖像金子塔”
1.1.4 學(xué)以致用
1.2 圖像的矩特征
1.2.1 認識“Hu矩”
1.2.2 解析“Zernike矩”
1.3 圖像的邊緣檢測
1.3.1 運用一階微分算子檢測圖像邊緣
1.3.2 運用二階微分算子檢測圖像邊緣
1.3.3 基于Canny算子檢測圖像邊緣
1.3.4 基于SUSAN特征檢測算子的邊緣提取
1.3.5 基于小波變換模極大值的邊緣檢測
1.3.6 基于二維有限沖擊響應(yīng)濾波器的特定角度邊緣檢測
1.3.7 基于多尺度形態(tài)學(xué)梯度的邊緣檢測
1.4 斑點特征檢測
1.4.1 勾畫“LoG斑點”
1.4.2 描繪“DoH斑點”
1.4.3 提取“Gilles斑點”
1.5 角點特征檢測
1.5.1 何謂“角點”
1.5.2 描繪“Harris角點”
1.5.3 例程一點通
1.5.4 融會貫通
1.6 尺度不變特征提取
1.6.1 SIFT特征提取
1.6.2 SURF算法
1.6.3 學(xué)以致用
第2章 細說“數(shù)字圖像理解”
2.1 圖像目標(biāo)邊界描述
2.1.1 圖像邊界鏈碼表示法
2.1.2 例程一點通
2.1.3 融會貫通
2.2 圖像分割技術(shù)
2.2.1 什么是“圖像分割”
2.2.2 基于閾值的圖像分割
2.2.3 基于區(qū)域生長法的圖像分割
2.2.4 基于最大方差法灰度門限的圖像分割
2.2.5 基于K-means算法的圖像分割
2.3 圖像配準(zhǔn)技術(shù)
2.3.1 縱覽“圖像配準(zhǔn)”
2.3.2 構(gòu)建“配準(zhǔn)模型”
2.3.3 相似性測度
2.3.4 基于灰度的圖像配準(zhǔn)
2.3.5 序貫相似性檢測算法
2.3.6 基于特征點的圖像配準(zhǔn)
2.3.7 融會貫通
2.4 圖像融合技術(shù)
2.4.1 從“信息融合”說起
2.4.2 何謂“圖像融合”
2.4.3 縱覽“圖像融合方法”
2.4.4 例程一點通
2.4.5 學(xué)以致用
應(yīng)用篇
第3章 品讀“典型應(yīng)用實例”
3.1 圖像去噪技術(shù)及其實現(xiàn)
3.1.1 什么是“圖像的噪聲”
3.1.2 圖像去噪常用方法
……
附錄 常用MATLAB圖像處理指令功能語法索引
參考文獻