数字图像处理与识别PDF|Epub|txt|kindle电子书版本网盘下载

数字图像处理与识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 数字图像处理1

1.1.1 图像的概念及分类1

1.1.2 数字图像处理的发展概况2

1.1.3 数字图像处理的研究范畴3

1.1.4 数字图像处理的基本特点5

1.1.5 数字图像处理与相关学科的关系5

1.1.6 数字图像处理的应用6

1.2 模式识别7

1.2.1 模式和模式识别的概念8

1.2.2 研究内容8

1.2.3 系统组成8

1.2.4 主要方法9

1.2.5 应用现状10

1.3 图像识别10

1.3.1 系统的基本构成10

1.3.2 研究现状11

1.3.3 应用现状12

1.4 本章小结13

第2章 图像预处理技术14

2.1 基本概念14

2.1.1 邻域、邻接、区域和连通的概念14

2.1.2 邻域（模板）运算15

2.2 图像增强17

2.2.1 图像增强的概念17

2.2.2 基于点操作的图像增强17

2.2.3 基于邻域操作的图像增强23

2.3 图像复原26

2.3.1 图像的退化和复原概述26

2.3.2 图像退化的数学模型27

2.3.3 几种经典的图像复原方法30

2.4 图像变换35

2.4.1 图像变换概述35

2.4.2 傅里叶变换36

2.4.3 离散余弦变换47

2.4.4 离散沃尔什-哈达玛变换52

2.4.5 离散K-L变换56

2.4.6 离散小波变换58

2.5 本章小结62

第3章 图像分割技术63

3.1 图像分割概述63

3.2 并行边界分割64

3.2.1 边缘的定义和种类64

3.2.2 并行边缘检测方法65

3.3 串行边界分割71

3.4 并行区域分割72

3.4.1 阈值分割概述72

3.4.2 典型的阈值选取方法74

3.4.3 动态阈值分割法77

3.4.4 阈值插值法78

3.4.5 分水岭阈值分割方法79

3.4.6 基于熵的阈值分割方法81

3.4.7 多阈值分割方法85

3.4.8 其他局部阈值分割方法86

3.5 串行区域分割86

3.5.1 区域生长86

3.5.2 区域分裂合并89

3.6 其他灰度图像分割方法91

3.6.1 基于小波变换的图像分割92

3.6.2 基于马尔可夫随机场模型的图像分割92

3.6.3 基于遗传算法的图像分割92

3.6.4 基于人工神经网络的图像分割93

3.6.5 基于聚类的图像分割93

3.6.6 基于图论的图像分割94

3.6.7 基于能量泛函的图像分割94

3.6.8 基于NSCT的图像分割95

3.7 二值图像的分割——数学形态学图像处理96

3.7.1 基本符号和关系97

3.7.2 腐蚀运算98

3.7.3 膨胀运算100

3.7.4 开运算101

3.7.5 闭运算102

3.7.6 细化103

3.7.7 粗化105

3.8 彩色图像的分割106

3.8.1 颜色基础106

3.8.2 彩色模型（彩色规范）109

3.8.3 彩色分割策略114

3.9 图像分割的评价115

3.10 本章小结116

第4章 图像特征提取与分类118

4.1 图像特征基础118

4.1.1 图像特征的概念118

4.1.2 特征形成和提取119

4.1.3 特征选择119

4.2 颜色特征的表示与提取119

4.2.1 颜色直方图119

4.2.2 颜色矩122

4.2.3 颜色集122

4.2.4 颜色聚合向量123

4.2.5 颜色相关图123

4.2.6 颜色布局123

4.3 纹理特征的表示与提取124

4.3.1 纹理的概念和研究内容124

4.3.2 灰度共生矩阵127

4.3.3 Tamura纹理特征132

4.3.4 局部二值模式133

4.3.5 局部累积矩136

4.3.6 自回归纹理模型136

4.3.7 分形分析137

4.3.8 基于小波变换的纹理特征提取139

4.3.9 Gabor滤波140

4.4 形状特征的表示与提取141

4.4.1 基本概念142

4.4.2 区域描述142

4.4.3 边界描述150

4.4.4 Hough变换161

4.4.5 其他形状特征165

4.5 空间关系特征165

4.5.1 空间关系特征的特点165

4.5.2 常用的空间特征提取方法166

4.6 特征空间的降维166

4.6.1 主成分分析167

4.6.2 Fisher线性判别分析168

4.6.3 PCA和FLDA的比较170

4.6.4 多维尺度法171

4.7 特征向量的分类方法172

4.7.1 模式识别简介172

4.7.2 Adaboost分类器173

4.7.3 支持向量机176

4.7.4 随机森林分类器179

4.7.5 分类器的评价与比较180

4.8 综合应用实例——基于内容的图像检索181

4.8.1 研究背景181

4.8.2 研究内容182

4.8.3 研究现状182

4.8.4 发展方向183

4.9 本章小结184

第5章 基于模板匹配的图像识别技术185

5.1 模板匹配概述185

5.1.1 研究现状186

5.1.2 一般流程186

5.1.3 应用现状187

5.2 基于图像灰度的模板匹配189

5.2.1 平方误差度量189

5.2.2 差的绝对值和相关法189

5.2.3 互相关法190

5.2.4 序贯相似性度量191

5.2.5 最大互信息法192

5.3 基于图像特征的模板匹配193

5.4 其他模板匹配方法193

5.4.1 二阶段模板匹配193

5.4.2 投影模板匹配194

5.4.3 自适应模板匹配194

5.4.4 模板匹配快速算法194

5.5 本章小结195

第6章 运动图像序列分析196

6.1 运动基础知识196

6.1.1 刚性运动197

6.1.2 非刚性运动198

6.2 基于光流场的运动图像分析200

6.2.1 光流和光流场200

6.2.2 光流约束方程202

6.2.3 孔径问题203

6.2.4 梯度光流法205

6.2.5 特征光流法209

6.3 基于配准的运动图像分析212

6.3.1 配准方法212

6.3.2 最优匹配的搜索214

6.3.3 结果举例及讨论216

6.4 本章小结219

第7章 变形模型技术220

7.1 变形模型的数学基础220

7.1.1 能量最小化变形模型220

7.1.2 动态可变形模型221

7.1.3 离散化和数字仿真221

7.2 变形模型在医学图像处理中的应用222

7.2.1 采用可变形曲线的图像分割222

7.2.2 采用可变形曲面的体视图像分割223

7.2.3 先验知识223

7.2.4 图像的匹配223

7.2.5 运动跟踪和分析224

7.3 参数活动轮廓模型225

7.3.1 模型原理225

7.3.2 能量最小值的求解227

7.4 改进的snake模型233

7.4.1 气球模型233

7.4.2 T-snake模型233

7.4.3 强约束T-snake模型236

7.4.4 Kalman snake模型241

7.5 几何活动轮廓模型244

7.5.1 常用的几何活动轮廓模型244

7.5.2 数值化求解246

7.6 基于超二次曲面的变形模型247

7.6.1 超二次曲面的数学描述247

7.6.2 超二次曲面的变形249

7.6.3 扩展超二次曲面249

7.6.4 拟合ESQ曲面模型250

7.7 本章小结253

第8章 综合应用实例——血管内超声图像的分割和斑块的自动识别254

8.1 血管内超声成像简介254

8.1.1 成像原理254

8.1.2 图像特点255

8.2 血管内超声图像的分割259

8.2.1 方法分类259

8.2.2 典型方法260

8.2.3 展望264

8.3 血管内超声图像中斑块的自动识别265

8.3.1 方法分类265

8.3.2 血管内超声图像纹理特征的提取和描述266

8.3.3 血管内超声图像纹理特征的分类270

8.4 本章小结272

第9章 综合应用实例——车辆牌照字符的自动识别273

9.1 汽车牌照图像的特点273

9.1.1 中国汽车牌照分类273

9.1.2 汽车牌照图像的特点274

9.2 车辆牌照自动识别系统概述275

9.3 车牌字符自动识别的研究现状276

9.3.1 主要方法276

9.3.2 技术难点278

9.4 车牌字符自动识别方法举例278

9.4.1 车辆图像的预处理278

9.4.2 牌照定位280

9.4.3 车牌字符识别及结果输出281

9.5 本章小结283

第10章 综合应用实例——航拍绝缘子图像的自动分割和定位284

10.1 航拍绝缘子图像的特点284

10.2 航拍绝缘子图像的分割285

10.2.1 建立基于NSCT分解的灰度-梯度共生矩阵285

10.2.2 采用灰熵模型及BF-PSO算法计算阈值286

10.3 绝缘子串的自动定位289

10.3.1 主要方法289

10.3.2 基于形状特征的绝缘子串的自动定位290

10.4 本章小结294

参考文献295