数字图像处理 第3版PDF|Epub|txt|kindle电子书版本网盘下载

数字图像处理 第3版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图像及其分类1

1.1.1图像的特点1

1.1.2图像的分类2

1.2数字图像处理技术与应用2

1.2.1数字图像处理的主要内容2

1.2.2数字图像处理方法4

1.2.3数字图像处理技术的应用4

1.3数字图像处理系统5

1.4 Mat1ab简介6

1.5本书概要7

习题8

第2章 图像获取9

2.1概述9

2.2连续图像模型9

2.2.1连续图像的表达式9

2.2.2连续图像的随机表征11

2.3连续图像的频谱12

2.3.1一维连续傅里叶变换12

2.3.2二维连续傅里叶变换13

2.4图像采样14

2.4.1采样定理14

2.4.2图像采样17

2.5图像量化19

2.5.1量化器模型19

2.5.2标量量化19

2.5.3向量量化22

2.6数字图像中的基本概念25

2.6.1数字图像的表示25

2.6.2空间与灰度级分辨率26

2.6.3像素间的基本关系28

小结29

习题30

第3章 图像变换31

3.1概述31

3.2一维离散傅里叶变换31

3.2.1离散傅里叶变换31

3.2.2离散傅里叶变换的性质32

3.3一维快速傅里叶变换34

3.3.1一维快速傅里叶变换的基本思想34

3.3.2一维快速傅里叶变换算法36

3.4二维离散傅里叶变换39

3.4.1二维离散傅里叶变换的定义39

3.4.2二维离散傅里叶变换的性质40

3.4.3二维快速离散傅里叶变换41

3.4.4二维快速傅里叶变换的Mat1ab实现42

3.4.5可分离图像变换的概念44

3.5离散余弦变换44

3.5.1一维离散余弦变换44

3.5.2一维快速离散余弦变换算法45

3.5.3二维离散余弦变换46

3.5.4离散余弦变换的Matlab实现47

3.5.5离散余弦变换的应用47

3.6沃尔什变换和哈达玛变换48

3.6.1离散沃尔什变换48

3.6.2离散哈达玛变换49

3.6.3快速哈达玛变换算法50

3.7霍特林变换53

3.8拉东变换55

3.8.1拉东变换概述55

3.8.2拉东变换的Matlab实现56

小结58

习题58

第4章 图像增强59

4.1概述59

4.2空域点处理增强59

4.2.1直接灰度变换60

4.2.2直方图修正66

4.2.3图像间的运算73

4.3空域滤波增强76

4.3.1平滑滤波器77

4.3.2锐化滤波器80

4.4频域滤波增强83

4.4.1低通滤波器83

4.4.2高通滤波器87

4.4.3同态滤波器90

小结92

习题92

第5章 图像复原94

5.1概述94

5.2图像退化模型94

5.2.1退化模型94

5.2.2连续函数退化模型95

5.2.3离散退化模型96

5.2.4循环矩阵对角化98

5.3退化函数估计99

5.3.1图像观察估计法100

5.3.2试验估计法100

5.3.3模型估计法100

5.4逆滤波102

5.4.1无约束复原102

5.4.2逆滤波复原103

5.4.3消除匀速运动模糊104

5.5维纳滤波105

5.5.1有约束滤波105

5.5.2维纳滤波复原106

5.5.3维纳滤波的Matlab实现107

5.6约束最小二乘方滤波109

5.6.1滤波模型109

5.6.2约束最小二乘方滤波的Matlab实现111

5.7从噪声中复原112

5.7.1噪声模型112

5.7.2空域滤波复原114

5.7.3频域滤波复原118

5.8几何失真校正119

5.8.1空间变换119

5.8.2灰度插值120

5.8.3几何失真图像配准复原121

小结123

习题123

第6章 彩色图像处理125

6.1概述125

6.2彩色基础125

6.2.1人眼的构造125

6.2.2三色成像126

6.3颜色模型127

6.3.1 RGB模型127

6.3.2 CMY模型和CMYK模型128

6.3.3 HSI模型130

6.4全彩色图像处理132

6.4.1彩色图像增强132

6.4.2彩色图像复原135

6.4.3彩色图像分析136

6.5伪彩色处理139

6.5.1密度分层法139

6.5.2灰度级-彩色变换法140

6.5.3频域滤波法142

小结143

习题143

第7章 图像编码144

7.1概述144

7.1.1图像数据的冗余144

7.1.2图像的编码质量评价145

7.2信息论基础与熵编码147

7.2.1离散信源的熵表示148

7.2.2离散信源编码定理150

7.2.3赫夫曼编码151

7.2.4香农-费诺编码152

7.2.5算术编码154

7.2.6行程编码156

7.3 LZW算法158

7.4预测编码160

7.4.1无损预测编码160

7.4.2有损预测编码162

7.5变换编码169

7.5.1变换选择170

7.5.2子图像尺寸选择174

7.5.3位分配175

7.5.4一个DCT编码实例177

7.6基于矢量量化技术的图像编码179

7.6.1矢量量化原理180

7.6.2矢量量化过程180

7.7小波图像编码185

7.7.1数字图像的小波分解185

7.7.2小波基的选择188

7.7.3小波变换域小波系数分析189

7.7.4小波编码方法191

小结199

习题199

第8章 图像检测与分割201

8.1概述201

8.2边缘检测202

8.2.1梯度算子202

8.2.2高斯-拉普拉斯算子204

8.2.3坎尼边缘检测算子205

8.3边界跟踪206

8.3.1空域边界跟踪206

8.3.2霍夫变换210

8.4阈值分割214

8.4.1人工选择法215

8.4.2自动阈值法215

8.4.3分水岭算法218

8.5区域分割221

8.5.1区域生长法221

8.5.2区域分裂法222

8.5.3区域合并法223

8.5.4区域分裂合并法224

8.6形变模型226

8.6.1参数活动轮廓模型226

8.6.2几何活动轮廓模型232

8.6.3形变模型的扩展形式234

8.7运动分割236

8.7.1背景差值法236

8.7.2图像差分法238

8.7.3基于光流的分割方法238

8.7.4基于块的运动分割方法240

小结241

习题241

第9章 图像表示与描述243

9.1概述243

9.2图像表示243

9.2.1链码243

9.2.2边界分段247

9.2.3多边形近似249

9.2.4标记图250

9.2.5骨架251

9.3边界描述252

9.3.1一些简单的描述子252

9.3.2形状数252

9.3.3傅里叶描述子254

9.3.4统计矩256

9.4区域描述256

9.4.1一些简单的描述子256

9.4.2纹理257

9.4.3不变矩261

9.5数学形态学描述263

9.5.1膨胀和腐蚀263

9.5.2开启和闭合265

9.5.3数学形态学对图像的操作266

小结270

习题270

第10章 图像特征优化272

10.1概述272

10.2基于选择的特征优化273

10.2.1可分离性判据273

10.2.2搜索选择策略274

10.2.3基于遗传算法的特征选择275

10.3基于统计分析的特征优化276

10.3.1主成分分析277

10.3.2独立分量分析278

10.3.3线性判别分析279

10.3.4多维尺度分析279

10.4基于流形学习的特征优化281

10.4.1流形学习的基本原理281

10.4.2核主成分分析282

10.4.3局部线性嵌入282

10.4.4拉普拉斯特征映射284

10.4.5等距映射285

小结288

习题289

第11章 图像识别290

11.1概述290

11.2统计图像识别291

11.2.1统计模式识别方法291

11.2.2线性分类器292

11.2.3贝叶斯分类器295

11.2.4人工神经网络分类器297

11.3句法图像识别302

11.3.1句法模式识别方法302

11.3.2形式语言简介303

11.3.3模式文法305

11.3.4句法分析309

11.3.5句法结构的自动机识别311

11.3.6有噪声、畸变模式的句法识别314

11.4模糊图像识别319

11.4.1模糊集合及其运算319

11.4.2隶属函数确定方法321

11.4.3模糊识别原则326

11.4.4模糊句法识别329

11.5 Web图像过滤系统333

11.5.1皮肤检测333

11.5.2基于人脸肤色的自动白平衡校正335

11.5.3特征提取338

11.5.4 Web图像分类338

小结342

习题342

第12章 图像语义分析344

12.1概述344

12.2图像表示模型344

12.3图像语义分割345

12.3.1基于模糊C均值聚类的图像分割345

12.3.2基于空间上下文关系的图像分割347

12.4图像区域语义标注353

12.4.1基于条件随机场的上下文模型353

12.4.2基于能量模型的区域标注方法354

12.5图像语义分类357

12.5.1基于属性关系图的图像语义描述357

12.5.2利用贝叶斯网络的图像分类360

小结364

习题364

第13章 图像检索365

13.1概述365

13.2基于内容的图像检索365

13.2.1 CBIR系统框架365

13.2.2基于颜色特征的检索367

13.2.3基于纹理特征的检索368

13.2.4基于形状特征的检索368

13.2.5检索效果评价方法369

13.3基于语义的图像检索369

13.3.1图像语义描述方法369

13.3.2图像语义提取方法371

13.3.3语义相似性测度371

13.3.4语义检索系统设计371

13.4基于多示例学习的语义图像检索372

13.4.1多示例学习简介372

13.4.2分层语义模型373

13.4.3基于粗糙集的图像包生成375

13.4.4图像语义提取375

13.4.5语义图像检索377

13.4.6检索效果378

小结379

习题379

参考文献380