数字图像处理及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数字图像处理及应用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

理论篇1

第1章 数字图像处理的基础知识1

1.1 数字图像处理概述1

1.1.1 图像和数字图像1

1.1.2 数字图像处理的主要研究内容3

1.1.3 数字图像处理的发展及应用4

1.2 图像的获取技术7

1.2.1 图像的获取手段7

1.2.2 图像的显示与输出9

1.3 图像数字化9

1.3.1 采样10

1.3.2 量化10

1.4 图像数据的表示与存储11

1.4.1 彩色空间11

1.4.2 图像类型14

1.4.3 数字图像的表示15

1.4.4 图像数据的存储15

1.5 图像质量评价19

1.5.1 人类视觉系统19

1.5.2 图像质量主观评价21

1.5.3 图像质量客观评价22

1.5.4 算法性能评价24

小结25

习题25

第2章 图像的数学变换26

2.1 几何变换26

2.1.1 空间变换26

2.1.2 灰度级插值28

2.1.3 几何校正30

2.2 傅里叶变换31

2.2.1 一维傅里叶变换32

2.2.2 二维离散傅里叶变换33

2.2.3 二维离散傅里叶变换的性质34

2.2.4 快速傅里叶变换（FFT）38

2.3 离散余弦变换42

2.3.1 离散余弦变换的定义42

2.3.2 快速离散余弦变换43

2.4 Gabor变换44

2.4.1 短时傅里叶变换45

2.4.2 连续Gabor变换47

2.4.3 离散Gabor变换48

2.4.4 高斯窗Gabor函数48

2.5 离散K-L变换51

2.5.1 离散K-L变换介绍52

2.5.2 离散K-L变换的性质53

2.5.3 主成分分析（PCA）54

2.6 Radon变换56

2.6.1 Radon变换介绍56

2.6.2 Radon变换的性质57

2.7 小波变换58

2.7.1 多分辨率分析的背景知识58

2.7.2 多分辨率展开61

2.7.3 一维小波变换66

2.7.4 快速小波变换69

2.7.5 二维离散小波变换73

2.8 数学变换在图像处理中的应用76

2.8.1 傅里叶变换在图像去噪中的应用76

2.8.2 离散余弦变换在图像压缩中的应用77

2.8.3 Gabor变换在纹理分析中的应用78

2.8.4 小波变换在图像压缩中的应用79

2.8.5 小波变换在图像去噪中的应用80

2.8.6 小波变换在边缘检测中的应用81

2.8.7 小波变换在图像融合中的应用83

2.8.8 小波变换在图像增晰中的应用84

小结85

习题85

第3章 图像增强87

3.1 灰度级修正88

3.1.1 灰度的线性变换88

3.1.2 灰度的非线性变换90

3.1.3 直方图修正91

3.2 图像平滑97

3.2.1 邻域平均法97

3.2.2 中值滤波100

3.2.3 帧间平滑102

3.2.4 频域低通滤波法103

3.3 图像锐化107

3.3.1 微分法107

3.3.2 频域高通滤波法112

3.4 图像增晰114

3.4.1 同态滤波114

3.4.2 基于 Retinex的增强116

3.4.3 基于LIP的增强118

3.4.4 基于照度区域划分的增强123

3.5 彩色增强127

3.5.1 伪彩色增强127

3.5.2 真彩色增强130

小结131

习题131

第4章 图像复原133

4.1 图像的退化模型134

4.1.1 图像的退化与复原过程134

4.1.2 连续函数的退化模型135

4.1.3 离散函数的退化模型136

4.1.4 图像复原的基本步骤138

4.2 常用的图像退化模型139

4.3 退化模型的参数估计141

4.3.1 运动模糊的退化原理141

4.3.2 运动模糊退化模型的参数估计145

4.3.3 散焦模糊的退化原理154

4.3.4 散焦模糊退化模型的参数估计155

4.4 图像复原的典型方法156

4.4.1 逆滤波法157

4.4.2 维纳滤波159

4.4.3 等功率谱滤波161

4.4.4 几何均值滤波器162

4.4.5 无约束最小二乘复原方法162

4.4.6 有约束最小二乘复原方法163

4.4.7 投影复原法166

4.4.8 Richardson-Lucy算法167

4.4.9 振铃效应的去除168

4.5 图像复原的质量评价169

4.5.1 有参考的图像质量评价169

4.5.2 无参考的图像质量评价171

小结172

习题173

第5章 图像压缩编码174

5.1 图像压缩编码概述174

5.1.1 图像压缩编码的必要性和可行性174

5.1.2 图像压缩编码的发展175

5.1.3 图像压缩编码的分类176

5.2 图像压缩编码的基本理论177

5.2.1 信息的度量177

5.2.2 香农编码定理178

5.2.3 图像压缩编码的一般流程180

5.3 经典图像压缩编码方法181

5.3.1 霍夫曼编码181

5.3.2 算术编码183

5.3.3 游程编码184

5.3.4 预测编码184

5.3.5 变换编码187

5.4 现代图像压缩编码方法189

5.4.1 分形编码190

5.4.2 模型基编码191

5.4.3 小波变换编码193

5.4.4 神经网络编码194

5.5 图像压缩编码的性能评价195

5.6 图像压缩技术标准198

5.6.1 静止图像压缩标准简介198

5.6.2 运动图像压缩标准简介201

小结203

习题203

第6章 图像分割204

6.1 非连续性分割205

6.1.1 点检测205

6.1.2 线检测206

6.1.3 边缘检测207

6.1.4 基于梯度的局部处理210

6.1.5 基于Hough变换的全局处理212

6.1.6 基于图论的全局处理214

6.2 阈值分割216

6.2.1 阈值分割的原理216

6.2.2 最小误差阈值分割217

6.2.3 最大类间方差阈值分割218

6.2.4 最大熵阈值分割220

6.3 基于区域的分割223

6.3.1 区域生长法223

6.3.2 分裂合并法226

6.4 聚类分割228

6.4.1 K-均值聚类228

6.4.2 模糊C均值聚类231

6.4.3 Mean-shift聚类分割232

6.5 基于参数活动轮廓模型的分割236

6.5.1 传统Snake模型237

6.5.2 GVF Snake模型240

6.6 基于几何形变模型的分割243

6.6.1 曲线演化理论243

6.6.2 水平集方法及其数值实现244

6.6.3 几何活动轮廓模型248

6.6.4 测地活动轮廓模型250

6.6.5 Chan-Vese模型252

6.7 基于图论的分割255

6.8 图像分割的性能评价259

小结262

习题263

第7章 图像的形态学处理265

7.1 数学形态学概述265

7.1.1 数学形态学265

7.1.2 数学形态学的基本思想266

7.2 二值形态学266

7.2.1 几个基本符号和定义267

7.2.2 二值腐蚀和膨胀268

7.2.3 二值开运算和闭运算270

7.2.4 击中、击不中变换及其应用272

7.2.5 骨架抽取275

7.3 灰度形态学277

7.3.1 灰度形态学的相关概念277

7.3.2 灰度腐蚀和膨胀279

7.3.3 灰度开运算和闭运算281

7.3.4 灰度形态学梯度283

7.3.5 Top-Hat变换284

7.4 水域分割285

小结288

习题288

第8章 图像的描述290

8.1 几何描述290

8.2 边界描述292

8.2.1 链码292

8.2.2 傅里叶描述子294

8.3 形状描述295

8.3.1 区域描述295

8.3.2 图像矩297

8.4 直方图描述300

8.4.1 直方图特征300

8.4.2 梯度方向直方图302

8.4.3 韦伯局部描述子304

8.5 颜色描述308

8.6 纹理描述310

8.6.1 自相关函数310

8.6.2 灰度差分统计311

8.6.3 等灰度游程长度312

8.6.4 灰度共生矩阵313

8.6.5 傅里叶功率谱纹理分析315

8.6.6 局部二元模式（LBP特征）317

8.6.7 Gabor小波纹理描述319

小结323

习题323

应用篇325

第9章 图像匹配325

9.1 图像匹配概述325

9.2 基于灰度信息的图像匹配326

9.2.1 绝对平衡搜索匹配327

9.2.2 归一化互相关匹配327

9.2.3 最大互信息匹配328

9.3 基于特征的图像匹配329

9.3.1 基于点特征的匹配329

9.3.2 基于线特征的匹配332

9.3.3 基于不变矩的匹配335

9.3.4 基于相位相关的匹配336

9.4 基于局部不变描述子的图像匹配337

9.4.1 SIFT特征描述子338

9.4.2 SURF特征描述子344

9.4.3 基于SIFT/SURF特征的匹配349

9.4.4 D-nets特征描述子352

9.4.5 基于D-nets特征的匹配352

9.4.6 基于最大稳定极值区域的匹配354

小结359

习题359

第10章 图像融合360

10.1 图像融合的概况介绍360

10.1.1 图像融合的要求360

10.1.2 图像融合的困难与挑战360

10.1.3 图像融合的系统模型361

10.1.4 多源图像融合的应用362

10.2 像素级图像融合方法363

10.2.1 基于空间域的像素级图像融合方法364

10.2.2 基于变换域的像素级图像融合方法365

10.3 特征级图像融合方法367

10.3.1 基于边缘特征的图像融合方法367

10.3.2 基于梯度特征的图像融合方法367

10.4 决策级图像融合方法367

10.4.1 基于表决法的决策级融合方法368

10.4.2 基于贝叶斯推理的决策级融合方法368

10.4.3 基于证据理论的决策级融合方法369

10.5 多源图像融合的实例与分析369

10.5.1 区域融合方法概述369

10.5.2 区域分割和标签371

10.5.3 区域融合372

10.6 多源图像融合的性能评价374

小结376

习题377

第11章 图像目标检测378

11.1 基本问题概述378

11.2 运动目标检测380

11.2.1 运动图像序列的背景建模381

11.2.2 静止背景下的运动目标检测382

11.2.3 动态背景下的运动目标检测385

11.3 有形目标检测388

11.3.1 基于图像分割的目标检测方法389

11.3.2 基于模板匹配的目标检测方法390

11.3.3 基于机器学习的目标检测方法392

11.4 弱小目标检测392

11.4.1 弱小目标检测的基本原理393

11.4.2 弱小目标检测中的背景抑制395

11.4.3 基于单帧的弱小目标检测算法397

11.4.4 基于多帧的弱小目标检测算法399

11.5 目标检测的性能评价402

11.5.1 目标检测中的通用性能评价指标402

11.5.2 ROC 曲线评估模型405

小结406

习题407

第12章 目标跟踪408

12.1 目标跟踪问题概述408

12.2 基于模型驱动的跟踪方法411

12.2.1 目标的运动模型411

12.2.2 贝叶斯估计理论413

12.2.3 卡尔曼滤波414

12.2.4 粒子滤波417

12.3 基于数据驱动的跟踪方法421

12.3.1 波门跟踪方法421

12.3.2 基于模板匹配的跟踪方法422

12.3.3 基于活动轮廓的跟踪方法422

12.3.4 基于核的跟踪方法423

12.3.5 基于子空间学习的跟踪方法426

12.3.6 基于机器学习的跟踪方法428

12.4 多目标跟踪430

12.4.1 多目标跟踪的基本原理431

12.4.2 最近邻法（NN）432

12.4.3 概率数据关联滤波器（PDAF）433

12.4.4 联合概率数据关联滤波器（JPDAF）434

12.4.5 多假设跟踪436

小结438

习题438

第13章 图像识别439

13.1 图像识别系统439

13.2 特征提取与特征数据处理440

13.2.1 原始特征的形成441

13.2.2 线性特征提取441

13.2.3 非线性特征提取443

13.2.4 特征袋模型447

13.2.5 稀疏编码449

13.2.6 特征选择450

13.3 统计分类器453

13.3.1 线性分类器454

13.3.2 最近邻分类器455

13.3.3 Bayes分类器455

13.4 人工神经元网络456

13.4.1 基本原理456

13.4.2 BP神经网络457

13.4.3 模糊神经网络459

13.4.4 组合神经网络463

13.5 支持向量机分类465

13.5.1 最优分类面465

13.5.2 支持向量机466

13.5.3 核函数的选择467

13.6 分类器增强算法——AdaBoost468

小结469

习题469

第14章 工程应用系统案例分析471

14.1 免疫细胞图像分析系统471

14.1.1 图像的自动分割472

14.1.2 目标定位472

14.1.3 细胞提取474

14.1.4 细胞测量474

14.2 皮肤镜图像分析系统475

14.2.1 皮肤镜图像的预处理476

14.2.2 皮肤镜图像的分割477

14.2.3 皮损目标的特征提取478

14.2.4 皮损目标的分类识别479

14.3 铁路扣件损伤检测系统479

14.3.1 轨面定位480

14.3.2 轨枕定位481

14.3.3 扣件目标检测481

14.3.4 扣件区域增强481

14.3.5 扣件目标特征提取483

14.3.6 扣件目标损伤状态识别483

14.4 交通监控车牌识别系统484

14.4.1 预处理增强485

14.4.2 车牌检测486

14.4.3 虚警去除487

14.4.4 字符分割489

14.4.5 字符识别489

小结491

参考文献492