数字图像处理算法及应用PDF|Epub|txt|kindle电子书版本网盘下载

数字图像处理算法及应用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

第1章 绪论1

1.1 概述1

1.2 什么是数字图像处理1

1.3 数字图像处理研究内容4

1.4 图像处理和其他相关学科的关系6

1.5 图像处理的应用7

1.5.1 在航天和航空技术方面的应用7

1.5.2 在生物医学工程方面的应用9

1.5.3 在工业和工程方面的应用10

1.5.4 在军事公安方面的应用12

1.5.5 在文化艺术方面的应用12

1.5.6 在通信工程方面的应用13

1.6 小结13

习题13

第2章 基础知识与数学模型14

2.1 图像信息基础知识14

2.1.1 δ函数14

2.1.2 线性系统14

2.2 图像质量评价16

2.2.1 主观质量评价方法17

2.2.2 客观质量评价方法17

2.3 图像的数学描述21

2.3.1 图像的函数表示21

2.3.2 图像的统计表示23

2.3.3 图像处理的统计模型27

2.4 图像数字化29

2.4.1 图像采样30

2.4.2 图像量化35

2.5 像素间的基本关系41

2.5.1 邻域41

2.5.2 连通性41

2.5.3 距离42

2.6 小结43

习题44

第3章 图像常用的基本操作46

3.1 图像的点运算46

3.1.1 灰度直方图46

3.1.2 灰度的线性及对数变换47

3.1.3 直方图均衡化51

3.1.4 直方图规定化54

3.2 图像的几何变换56

3.2.1 简单的几何变换56

3.2.2 插值算法62

3.2.3 图像配准66

3.3 空间域图像增强68

3.3.1 空间域滤波69

3.3.2 图像平滑70

3.3.3 中值滤波71

3.3.4 图像锐化73

3.4 频率域图像增强76

3.4.1 傅里叶变换基础知识76

3.4.2 快速傅里叶变换80

3.4.3 低通滤波器86

3.4.4 高通滤波器90

3.5 形态学图像处理95

3.5.1 二值图像中的基本形态学运算95

3.5.2 灰度图像中的基本形态学运算99

3.6 小结106

习题107

第4章 图像复原110

4.1 图像退化模型110

4.1.1 连续函数退化模型111

4.1.2 离散的退化模型112

4.1.3 循环矩阵对角化114

4.1.4 退化函数估计115

4.2 常用图像复原法118

4.2.1 逆滤波118

4.2.2 维纳滤波120

4.2.3 几何失真校正123

4.2.4 从噪声中复原127

4.3 一种变尺度参数的IRM去噪算法131

4.3.1 IRM模型及其尺度参数132

4.3.2 变尺度参数的IRM模型133

4.3.3 实验结果与分析135

4.4 基于逆尺度空间和Contourlet阈值的MRI重建方法138

4.4.1 压缩感知理论框架139

4.4.2 Contourlet变换的基本性质143

4.4.3 基于逆尺度空间和Contourlet变换的MRI重建145

4.4.4 实验结果与分析146

4.5 小结148

习题148

第5章 图像分割150

5.1 概述150

5.2 相关算法理论基础151

5.2.1 颜色空间151

5.2.2 可变模型理论156

5.2.3 水平集理论157

5.2.4 Harris角点检测算法158

5.3 人眼区域分割与定位159

5.3.1 基于Adaboost人脸检测160

5.3.2 人眼定位163

5.3.3 基于椭圆拟合的眼睛轮廓提取165

5.4 基于改进Level Set的中医舌体分割168

5.4.1 去除舌区域淤点并初始化舌体轮廓线169

5.4.2 增强舌体与皮肤之间的弱边界171

5.4.3 GAC主动轮廓模型的水平集表示171

5.4.4 改进的水平集方法172

5.4.5 实验与讨论173

5.5 小结176

习题176

第6章 特征提取179

6.1 概述179

6.2 图像特征提取方法181

6.2.1 直方图181

6.2.2 灰度共生矩阵182

6.2.3 颜色特征184

6.2.4 形状上下文特征185

6.2.5 SIFT特征186

6.2.6 HOG特征188

6.2.7 LBP-TOP特征提取191

6.2.8 Gabor变换195

6.3 特征降维200

6.3.1 奇异值分解200

6.3.2 主成分分析201

6.3.3 核主成分分析202

6.3.4 线性鉴别方法203

6.4 基于IKDA的并行特征融合人脸表情识别204

6.4.1 特征融合策略205

6.4.2 改进的核LDA207

6.4.3 实验结果与分析209

6.5 小结214

习题214

第7章 视频跟踪215

7.1 概述215

7.2 视频跟踪的应用216

7.2.1 视频监控216

7.2.2 视觉导航216

7.2.3 三维重构217

7.2.4 其他218

7.3 视频跟踪的技术现状218

7.3.1 视频跟踪方法的分类218

7.3.2 视频跟踪算法220

7.3.3 视频跟踪中的技术难点221

7.4 视频跟踪的基础核心技术221

7.4.1 目标表示方法及目标特征221

7.4.2 目标的检测方法224

7.4.3 目标的跟踪方法227

7.4.4 目标跟踪算法的性能评估229

7.5 基于改进Random Forest的行人检测方法230

7.5.1 随机森林分类器设计230

7.5.2 决策树构建232

7.5.3 实验结果与分析236

7.6 基于改进均值漂移的行人跟踪算法238

7.6.1 基于均值漂移算法的目标跟踪239

7.6.2 基于改进的Mean-Shift算法的行人跟踪244

7.6.3 实验结果及分析246

7.7 小结250

习题250

第8章 图像识别初步251

8.1 模式与模式识别251

8.2 图像识别251

8.2.1 识别问题的一般描述252

8.2.2 过度拟合253

8.2.3 图像识别系统结构254

8.2.4 训练／学习方法分类256

8.3 图像识别方法分类257

8.3.1 统计模式识别257

8.3.2 句法模式识别257

8.4 基于半监督LDA的中医五色识别259

8.4.1 问题的提出259

8.4.2 主题模型260

8.4.3 颜色特征提取262

8.4.4 基于sLDA的五色识别263

8.5 基于胃炎患者舌象特征的识别研究267

8.5.1 当前特征提取的热点方法267

8.5.2 基于Gabor小波的局部特征提取269

8.5.3 酉空间里的LDA270

8.5.4 特征融合框架271

8.5.5 实验结果与讨论272

8.6 小结274

习题275

第9章 神经网络分类器276

9.1 人工神经网络的基本原理276

9.1.1 人工神经元276

9.1.2 人工神经网络模型279

9.1.3 神经网络的学习过程280

9.1.4 人工神经网络在模式识别问题上的优势280

9.2 BP神经网络282

9.2.1 BP神经网络的基本概念282

9.2.2 BP神经网络的分类器设计288

9.3 径向基函数神经网络291

9.3.1 RBF神经网络的基本概念291

9.3.2 RBF神经网络训练294

9.4 自组织竞争神经网络296

9.4.1 自组织竞争神经网络学习规则296

9.4.2 自组织神经网络的拓扑结构297

9.4.3 自组织竞争网络训练297

9.5 概率神经网络298

9.5.1 概率神经网络的基本概念298

9.5.2 概率神经网络分类器设计299

9.6 对向传播神经网络299

9.6.1 对向神经网络的基本概念299

9.6.2 参数表达及计算方法300

9.7 Hopfield网络301

9.7.1 Hopfield神经网络301

9.7.2 离散Hopfield网络拓扑结构302

9.7.3 离散Hopfield网络结构的工作方式302

9.7.4 离散Hopfield网络训练和分类识别方法303

9.8 基于Gabor小波和ANN的人脸识别304

9.8.1 人脸识别常用方法305

9.8.2 Gabor特征提取算法与实现306

9.8.3 多通道快速Gabor特征提取308

9.8.4 特征降维及归一化处理310

9.8.5 改进BP算法310

9.8.6 实验结果与分析311

9.9 小结313

习题313

第10章 支持向量机314

10.1 SVM的分类思想314

10.1.1 分类模型的选择314

10.1.2 模型参数的选择315

10.2 SVM的理论基础315

10.2.1 线性可分情况下的SVM315

10.2.2 非线性可分情况下的C-SVM319

10.2.3 需要核函数映射情况下的SVM321

10.3 基于半监督模糊拉普拉斯SVM的人脸表情识别324

10.3.1 模糊拉普拉斯SVM324

10.3.2 多类模糊拉普拉斯SVM327

10.3.3 实验结果与分析327

10.4 基于AdaBoost-GPC过程分类的人脸表情识别330

10.4.1 高斯过程分类器330

10.4.2 AdaBoost-Gaussian过程分类器333

10.4.3 实验结果与分析334

10.5 小结336

习题337

第11章 动态贝叶斯网络338

11.1 贝叶斯网络理论338

11.1.1 结构学习340

11.1.2 参数学习343

11.1.3 推理346

11.1.4 几种常用贝叶斯网络分类器348

11.2 隐马尔可夫模型351

11.2.1 隐马尔可夫模型的基本概念351

11.2.2 隐马尔可夫模型的基本问题353

11.2.3 隐马尔可夫模型基本问题的解法353

11.3 动态贝叶斯网络357

11.3.1 基本概念358

11.3.2 学习359

11.3.3 推理362

11.4 主动学习理论362

11.4.1 主动学习与被动学习362

11.4.2 选择策略364

11.5 基于误差减少和EM的动态贝叶斯网络学习算法368

11.5.1 算法原理369

11.5.2 实验结果和分析370

11.6 基于半监督主动学习DBNs的信用风险行为演化模型371

11.6.1 算法流程372

11.6.2 实验结果和分析373

11.7 小结374

习题375

附录A 数字图像处理技术词汇表376

附录B 数序基础382

B1 线性代数382

B1.1 向量和矩阵382

B1.2 特征值和特征向量384

B1.3 矩阵的奇异值分解385

B1.4 方程组386

B1.5 最小二乘法求解387

B1.6 线性变换388

B1.7 主分量分析389

B2 集合论391

B2.1 定义391

B2.2 性质392

参考文献393