高级数字图像处理技术PDF|Epub|txt|kindle电子书版本网盘下载

高级数字图像处理技术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 引 言1

1.1 数字图像的基本概念2

1.1.1 图像2

1.1.2 模拟图像3

1.1.3 数字图像3

1.1.4 图像处理6

1.2 数字图像处理系统结构7

1.3 图像处理的应用领域9

1.4 数字图像处理的主要研究内容11

第2章 数字图像基础14

2.1 数字图像与数据结构14

2.1.1 二维数组14

2.1.2 一维数组15

2.1.3 分层结构16

2.1.4 树状结构16

2.1.5 多波段图像的数据结构17

2.1.6 其他形式的数据存储格式18

2.2 颜色空间19

2.2.1 CMY颜色空间19

2.2.2 YIQ颜色空间20

2.2.3 YUV颜色空间20

2.2.4 YCbCr颜色空间21

2.2.5 HSV颜色空间21

2.2.6 CIE 1976 L*a*b*颜色空间22

2.3 数字图像文件结构23

2.3.1 BMP文件格式23

2.3.2 其他图像文件格式45

第3章 数字图像量化56

3.1 图像量化56

3.1.1 量化简介56

3.1.2 量化的意义58

3.1.3 量化算法的评价标准58

3.2 典型的图像量化方法59

3.2.1 半色调调制59

3.2.2 K－均值聚类方法60

3.2.3 基于主色的量化方法62

3.2.4 中位切分方法63

3.2.5 八叉树量化方法64

3.3 新型图像量化技术简介67

3.3.1 自适应色彩量化步骤67

3.3.2 基于神经元与误差扩散的图像量化70

第4章 数字图像去噪73

4.1 图像去噪的基本知识73

4.1.1 图像去噪的研究背景及意义73

4.1.2 图像去噪技术的研究现状74

4.1.3 图像噪声的分类及模型分析75

4.1.4 图像去噪质量的评价77

4.2 基于空间域的图像去噪79

4.2.1 线性空间域图像去噪方法79

4.2.2 非线性空间域图像去噪方法80

4.3 基于小波域的图像去噪82

4.3.1 小波域图像去噪综述82

4.3.2 基于小波域奇异性检测的图像去噪方法83

4.3.3 基于小波阈值的图像去噪方法84

4.3.4 基于小波域统计模型的图像去噪方法86

4.3.5 基于多小波的图像去噪方法86

4.3.6 基于复数小波的图像去噪方法88

4.3.7 基于四元数小波的图像去噪方法89

4.4 基于多尺度几何分析的图像去噪91

4.4.1 多尺度几何分析的图像去噪综述91

4.4.2 基于脊波变换的图像去噪方法93

4.4.3 基于曲波变换的图像去噪方法94

4.4.4 基于轮廓波变换的图像去噪方法96

4.5 基于偏微分方程的图像去噪99

4.5.1 偏微分方程图像去噪综述99

4.5.2 图像去噪中常见的偏微分方程模型100

4.5.3 基于泛函分析的偏微分方程图像去噪方法104

4.6 基于稀疏表示与字典学习的图像去噪105

4.6.1 稀疏表示与字典学习图像去噪综述105

4.6.2 图像稀疏表示理论中的基本概念107

4.6.3 基于K-SVD算法的稀疏表示图像去噪方法108

4.7 基于非局部均值的图像去噪109

4.7.1 非局部均值图像去噪综述109

4.7.2 非局部均值去噪方法原理112

4.7.3 基于BM3D的非局部均值图像去噪方法114

4.8 新型图像去噪技术简介116

4.8.1 基于小波矩的频率域非局部均值图像去噪116

4.8.2 基于最小二乘支持向量机的小波域图像去噪122

4.8.3 基于复数方向塔式变换与自适应高斯尺度混合模型的图像去噪132

第5章 数字图像分割140

5.1 图像分割的基本知识141

5.1.1 概述141

5.1.2 图像分割的定义142

5.1.3 图像分割方法的种类143

5.1.4 图像分割质量的评价149

5.2 基于阈值的图像分割150

5.2.1 直方图阈值150

5.2.2 最大熵阈值151

5.2.3 二维直方图阈值151

5.2.4 统计判决确定阈值153

5.2.5 局部阈值法156

5.3 基于区域的图像分割156

5.3.1 区域生长法156

5.3.2 分裂—合并法157

5.4 基于边缘检测的图像分割158

5.4.1 Hough变换原理159

5.4.2 Hough变换应用161

5.4.3 广义Hough变换162

5.5 基于模糊集合的图像分割164

5.5.1 模糊集合和模糊隶属度164

5.5.2 模糊C－均值聚类算法165

5.5.3 模糊竞争学习算法167

5.6 基于小波变换的图像分割169

5.6.1 多尺度边缘检测170

5.6.2 多分辨率阈值选取172

5.7 彩色图像分割技术简介173

5.7.1 直方图阈值化174

5.7.2 特征空间聚类175

5.7.3 基于区域的方法176

5.7.4 边缘检测178

5.7.5 模糊技术179

5.7.6 人工神经网络181

5.7.7 基于物理模型的方法182

5.8 新型图像分割技术简介183

5.8.1 基于Arimoto熵和SVM的彩色图像分割183

5.8.2 基于非参数高斯混合模型的图像分割194

5.8.3 基于隐马尔可夫树模型的PDTDFB域图像分割201

第6章 数字图像检索212

6.1 基于内容的图像检索概述212

6.1.1 基于内容的图像检索212

6.1.2 基于内容的图像检索相关技术215

6.1.3 基于内容的图像检索系统217

6.1.4 图像检索系统的性能评价219

6.2 基于颜色特征的图像检索219

6.2.1 基于颜色直方图的图像检索220

6.2.2 基于颜色中心矩的图像检索221

6.2.3 基于参考颜色表的图像检索222

6.2.4 基于颜色对的图像检索222

6.2.5 基于主色调的图像检索223

6.2.6 结合空间信息的图像检索225

6.3 基于纹理特征的图像检索226

6.3.1 基于Tamura纹理特征的图像检索227

6.3.2 基于共生矩阵的图像检索228

6.3.3 基于小波变换的图像检索230

6.3.4 基于Gabor变换的图像检索230

6.4 基于形状特征的图像检索232

6.4.1 基于傅里叶描述的图像检索232

6.4.2 基于形状矩的图像检索234

6.5 基于空间对象关系的图像检索235

6.5.1 基于图像分割的图像检索235

6.5.2 基于图像子块的图像检索238

6.6 基于语义特征的图像检索239

6.6.1 图像语义检索概述239

6.6.2 图像语义检索模型240

6.6.3 图像语义提取算法241

6.6.4 图像语义检索系统设计245

6.6.5 图像语义检索存在的问题246

6.7 基于内容图像检索的相似度模型249

6.7.1 欧氏距离249

6.7.2 直方图相交距离249

6.7.3 二次式距离250

6.7.4 马氏距离250

6.8 新型图像检索技术简介251

6.8.1 基于多种特征融合的彩色图像检索251

6.8.2 基于视觉感兴趣点的彩色图像检索264

6.8.3 基于Adapted GMM和SVM加权的相关反馈图像检索270

第7章 数字图像水印286

7.1 数字水印技术简介287

7.1.1 数字水印概述287

7.1.2 数字水印的分类290

7.1.3 数字水印的应用领域291

7.2 数字图像水印293

7.2.1 数字图像水印系统的基本模型293

7.2.2 影响图像水印性能的因素294

7.2.3 图像水印的攻击方法296

7.2.4 图像水印的测评298

7.3 时间／空间域数字图像水印301

7.4 变换域数字图像水印302

7.4.1 DCT变换域方法303

7.4.2 DWT变换域方法303

7.4.3 其他变换域方法304

7.5 第二代数字图像水印305

7.5.1 简介305

7.5.2 特征点提取306

7.5.3 局部特征区域的自适应划分307

7.6 新型图像水印技术简介308

7.6.1 基于归一化重要区域的图像水印308

7.6.2 基于四元数傅里叶变换的彩色图像水印316

7.6.3 基于局部不变区域的彩色图像水印329

参考文献343