智能圖像處理與分析識別

前言
第1章數(shù)字圖像處理概述
1.1數(shù)字圖像處理的產(chǎn)生與發(fā)展
1.2數(shù)字圖像的基本概念
1.2.1圖像與數(shù)字圖像
1.2.2數(shù)字圖像的存儲格式
1.3數(shù)字圖像處理的基本內(nèi)容和
基本步驟
1.3.1基本內(nèi)容
1.3.2基本步驟
1.4數(shù)字圖像處理的工程應(yīng)用
1.5數(shù)字圖像處理的機(jī)遇與挑戰(zhàn)
【本章小結(jié)】
【課后習(xí)題】
第2章圖像采集系統(tǒng)
2.1光源
2.1.1光源的類型
2.1.2光源的顏色
2.1.3照明方式
2.1.4光源的選擇
2.2鏡頭
2.2.1鏡頭的成像原理
2.2.2鏡頭的主要參數(shù)
2.2.3鏡頭的類型
2.2.4鏡頭的選擇
2.3相機(jī)
2.3.1相機(jī)芯片的主要參數(shù)
2.3.2相機(jī)的主要參數(shù)
2.3.3相機(jī)的類型
2.3.4相機(jī)的選擇
【本章小結(jié)】
【課后習(xí)題】
第3章數(shù)字圖像基礎(chǔ)
3.1圖像采樣和量化
3.1.1采樣
3.1.2量化
3.1.3采樣與量化參數(shù)的選擇
3.2像素間的基本關(guān)系
3.2.1像素的鄰接
3.2.2鄰接性、連通性、區(qū)域和邊界
3.2.3距離度量
3.3灰度直方圖
3.3.1直方圖的定義
3.3.2直方圖的特性
3.3.3直方圖的作用
3.4圖像質(zhì)量評價
3.4.1圖像質(zhì)量評價方法
3.4.2均方誤差
3.4.3信噪比與峰值信噪比
3.4.4結(jié)構(gòu)相似度
3.5圖像的點(diǎn)運(yùn)算
3.6圖像的代數(shù)運(yùn)算
3.6.1加法運(yùn)算
3.6.2減法運(yùn)算
3.6.3乘法運(yùn)算
3.6.4除法運(yùn)算
3.7圖像的幾何運(yùn)算
【本章小結(jié)】
【課后習(xí)題】
第4章圖像預(yù)處理技術(shù)
4.1圖像的灰度變換
4.1.1線性變換
4.1.2分段線性變換
4.1.3灰度對數(shù)變換
4.1.4直方圖均衡化
4.2圖像的幾何變換
4.2.1平移
4.2.2旋轉(zhuǎn)
4.2.3鏡像
4.2.4比例放縮
4.2.5插值
4.3空間濾波增強(qiáng)
4.3.1空間濾波機(jī)理
4.3.2均值濾波
4.3.3中值濾波
4.4形態(tài)學(xué)處理
4.4.1腐蝕
4.4.2膨脹
4.4.3開運(yùn)算
4.4.4閉運(yùn)算
4.4.5細(xì)化
4.4.6填充
【本章小結(jié)】
【課后習(xí)題】
第5章圖像變換
5.1傅里葉變換
5.1.1一維和二維傅里葉變換基本
原理
5.1.2傅里葉變換的性質(zhì)
5.1.3頻率域?yàn)V波（低通、高通、高斯、
帶通及帶阻濾波器）
5.1.4基于傅里葉變換的圖像頻域?yàn)V波
實(shí)現(xiàn)
5.2小波變換
5.2.1圖像二維離散小波變換
5.2.2基于小波變換的圖像去噪
5.2.3基于小波變換的圖像融合
【本章小結(jié)】
【課后習(xí)題】
第6章圖像復(fù)原
6.1圖像復(fù)原的理論模型
6.2噪聲模型
6.2.1噪聲的分類
6.2.2一些重要噪聲的概率密度函數(shù)
6.2.3周期噪聲
6.2.4估計噪聲參數(shù)
6.3幾種較經(jīng)典的圖像復(fù)原方法
6.3.1逆濾波復(fù)原
6.3.2維納濾波復(fù)原
6.3.3有約束最小二乘復(fù)原
6.3.4盲去卷積圖像復(fù)原
6.4圖像復(fù)原案例：PLSMS模型
夜間霧霾圖像的復(fù)原
6.4.1多散射成分
6.4.2PLSMS模型的描述
【本章小結(jié)】
【課后習(xí)題】
第7章圖像分割技術(shù)
7.1閾值分割
7.1.1極小值點(diǎn)閾值法
7.1.2最小均方誤差閾值法
7.1.3迭代選擇閾值法
7.1.4雙峰閾值法
7.1.5最大類間方差閾值法
7.2邊緣檢測
7.2.1Roberts邊緣算子
7.2.2Prewitt邊緣算子
7.2.3Sobel邊緣算子
7.2.4Laplacian邊緣算子
7.2.5LoG邊緣算子
7.2.6Canny邊緣算子
7.2.7邊緣檢測算子MATLAB實(shí)現(xiàn)及
主要特性分析
7.3Hough變換
7.3.1Hough變換概述
7.3.2基于Hough變換的直線檢測
7.3.3基于Hough變換的曲線檢測
7.4基于區(qū)域的圖像分割
7.4.1區(qū)域生長算法
7.4.2區(qū)域分裂合并算法
7.5形態(tài)學(xué)分水嶺分割
7.5.1距離變換
7.5.2分水嶺建壩
7.5.3分水嶺分割算法
【本章小結(jié)】
【課后習(xí)題】
第8章圖像特征提取與選擇
8.1幾何特征
8.1.1位置
8.1.2方向
8.1.3周長
8.1.4面積
8.1.5矩形度
8.1.6長寬比
8.1.7圓形度
8.1.8偏心率
8.2顏色特征
8.2.1顏色模型
8.2.2顏色直方圖
8.2.3顏色矩
8.2.4顏色聚合向量
8.2.5顏色相關(guān)圖
8.3紋理特征
8.3.1基于灰度共生矩陣的紋理
特征構(gòu)建
8.3.2基于灰度-梯度共生矩陣的
紋理特征構(gòu)建
8.4基于主成分分析的特征選擇
8.4.1KL變換
8.4.2PCA的基本原理
8.4.3PCA代碼實(shí)現(xiàn)
8.5基于分離判據(jù)的特征選擇
【本章小結(jié)】
【課后習(xí)題】
第9章圖像匹配
9.1模板匹配的概念
9.2基于灰度相關(guān)的模板匹配
9.2.1MAD算法
9.2.2SAD算法
9.2.3SSD算法
9.2.4NCC算法
9.2.5SSDA算法
9.2.6SATD算法
9.3基于變換域的模板匹配
9.4基于特征相關(guān)的模板匹配
9.4.1基于SIFT算法的圖像匹配
9.4.2基于SURF算法的圖像匹配
9.4.3基于ORB算法的圖像匹配
【本章小結(jié)】
【課后習(xí)題】
第10章圖像智能識別方法
10.1聚類識別
10.1.1聚類算法主要思想
10.1.2KMeans聚類算法理論基礎(chǔ)
10.1.3聚類算法的實(shí)現(xiàn)
10.2支持向量機(jī)（SVM）識別
10.2.1SVM的分類思想
10.2.2SVM的基本理論
10.2.3SVM算法的實(shí)現(xiàn)
10.3人工神經(jīng)網(wǎng)絡(luò)識別
10.3.1人工神經(jīng)網(wǎng)絡(luò)的主要思想
10.3.2BP神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
10.3.3BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)
10.4卷積神經(jīng)網(wǎng)絡(luò)（CNN）識別
10.4.1CNN的主要思想
10.4.2CNN的理論基礎(chǔ)
10.4.3CNN算法的實(shí)現(xiàn)
【本章小結(jié)】
【課后習(xí)題】
第11章工程應(yīng)用——米粒分類
識別
11.1米粒圖像預(yù)處理
11.1.1圖像背景均勻化
11.1.2圖像二值化
11.1.3圖像去噪及米粒填充
11.2米粒圖像輪廓提取
11.3米粒圖像特征提取
11.4米粒分類
【本章小結(jié)】
第12章工程應(yīng)用——多氣泡上升
軌跡跟蹤
12.1研究背景
12.2氣泡圖像的預(yù)處理
12.2.1氣泡圖像去噪
12.2.2氣泡圖像二值化
12.2.3氣泡圖像填充
12.3氣泡運(yùn)動軌跡跟蹤方法
12.3.1基于互相關(guān)匹配的目標(biāo)跟蹤
12.3.2基于圖像小波變換互相關(guān)
匹配的氣泡軌跡跟蹤實(shí)現(xiàn)
12.3.3基于MeanShift算法的目標(biāo)
跟蹤
【本章小結(jié)】
第13章工程應(yīng)用——血細(xì)胞圖像
檢測
13.1血細(xì)胞圖像形態(tài)學(xué)處理
13.1.1圖像預(yù)處理
13.1.2細(xì)胞的形態(tài)學(xué)分割
13.1.3細(xì)胞圖像邊緣處理
13.2血細(xì)胞圖像閾值分割處理
13.2.1全局閾值分割
13.2.2動態(tài)閾值分割
13.2.3目標(biāo)提取
13.3血細(xì)胞圖像霍夫圓檢測
13.3.1圖像去噪
13.3.2霍夫圓檢測
13.4血細(xì)胞計數(shù)與面積計算
【本章小結(jié)】
第14章工程應(yīng)用——手寫字符識別
14.1手寫字符定位與分割
14.2圖像裁剪及標(biāo)準(zhǔn)化
14.3特征矩陣提取
14.4模板庫建立
14.5字符匹配識別
14.6算法測試與應(yīng)用
【本章小結(jié)】
第15章工程應(yīng)用——汽車牌照
識別
15.1車牌圖像采集
15.2車牌圖像預(yù)處理及牌照定位
15.3汽車牌照區(qū)域的分割
15.4字符圖像分割
15.5字符細(xì)化
15.6BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和字符的
識別
【本章小結(jié)】
參考文獻(xiàn)