數字圖像處理與識別簡(jiǎn)介，目錄書(shū)摘

配套資源：電子教案

本書(shū)特色：

★ 本書(shū)在章節安排上考慮了一般教科書(shū)的層次性、連貫性、系統性，各章節既可獨立閱讀，也可相互貫通地理解和實(shí)踐。

★ 本書(shū)內容涵蓋國內外相關(guān)數字圖像處理領(lǐng)域的研究現狀和一些研究成果與實(shí)用技術(shù)。

　　《數字圖像處理與識別》主要從工程應用的角度比較全面地介紹數字圖像識別的基礎理論和實(shí)用技術(shù)，以及近年來(lái)數字圖像處理、圖像分析與識別領(lǐng)域的研究成果，注重理論，突出實(shí)用。全書(shū)分為五章，主要內容包括：數字圖像處理、分析與識別的基本概念和基礎理論；數字圖像分割的主要方法和技術(shù)，包括并行邊界分割技術(shù)、串行邊界分割技術(shù)、并行區域分割技術(shù)和串行區域分割技術(shù)；圖像特征的概念、提取、描述和分類(lèi)方法，包括顏色特征的表示與提取、形狀特征的表示與提取、紋理特征的表示與提取的典型方法以及空間關(guān)系特征的提取方法；特征空間的降維方法及特征向量的分類(lèi)方法；基于模板匹配的圖像識別方法；運動(dòng)圖像序列的分析與識別方法，包括基于光流場(chǎng)的運動(dòng)分析、基于圖像配準的運動(dòng)估計和基于變形模型技術(shù)的運動(dòng)圖像跟蹤與估計。每章都包含多個(gè)工程應用實(shí)例，且各章的理論和技術(shù)具有一定的相關(guān)性和獨立性。本書(shū)結構緊湊，內容深入淺出，講解圖文并茂，可作為通信與信息工程、電子科學(xué)與技術(shù)、計算機科學(xué)與技術(shù)、控制科學(xué)與工程、生物醫學(xué)工程等相關(guān)專(zhuān)業(yè)本科高年級學(xué)生的專(zhuān)業(yè)選修課教材及研究生相關(guān)應用課程的教材和參考用書(shū)，也可為從事圖像處理、分析和識別等相關(guān)領(lǐng)域的科技工作者和工程技術(shù)人員提供參考。

出版說(shuō)明
前言
第1章  緒論
1.1  數字圖像處理
1.1.1  圖像的概念及分類(lèi)
1.1.2  數字圖像處理的發(fā)展概況
1.1.3  數字圖像處理的研究范疇
1.1.4  數字圖像處理的基本特點(diǎn)
1.1.5  數字圖像處理與相關(guān)學(xué)科的關(guān)系
1.1.6  數字圖像處理的應用
1.2  模式識別
1.2.1  模式和模式識別的概念
1.2.2  研究?jì)热?br>1.2.3  系統組成
1.2.4  主要方法
1.2.5  應用現狀
1.3  圖像識別
1.3.1  系統的基本構成
1.3.2  研究現狀
1.3.3  應用現狀
1.4  本章小結
第2章  圖像預處理技術(shù)
2.1  基本概念
2.1.1  鄰域、鄰接、區域和連通的概念
2.1.2  鄰域（模板）運算
2.2  圖像增強
2.2.1  圖像增強的概念
2.2.2  基于點(diǎn)操作的圖像增強
2.2.3  基于鄰域操作的圖像增強
2.3  圖像復原
2.3.1  圖像的退化和復原概述
2.3.2  圖像退化的數學(xué)模型
2.3.3  幾種經(jīng)典的圖像復原方法
2.4  圖像變換
2.4.1  圖像變換概述
2.4.2  傅里葉變換
2.4.3  離散余弦變換
2.4.4  離散沃爾什-哈達瑪變換
2.4.5  離散K-L變換
2.4.6  離散小波變換
2.5  本章小結
第3章  圖像分割技術(shù)
3.1  圖像分割概述
3.2  并行邊界分割
3.2.1  邊緣的定義和種類(lèi)
3.2.2  并行邊緣檢測方法
3.3  串行邊界分割
3.4  并行區域分割
3.4.1  閾值分割概述
3.4.2  典型的閾值選取方法
3.4.3  動(dòng)態(tài)閾值分割法
3.4.4  閾值插值法
3.4.5  分水嶺閾值分割方法
3.4.6  基于熵的閾值分割方法
3.4.7  多閾值分割方法
3.4.8  其他局部閾值分割方法
3.5  串行區域分割
3.5.1  區域生長(cháng)
3.5.2  區域分裂合并
3.6  其他灰度圖像分割方法
3.6.1  基于小波變換的圖像分割
3.6.2  基于馬爾可夫隨機場(chǎng)模型的圖像分割
3.6.3  基于遺傳算法的圖像分割
3.6.4  基于人工神經(jīng)網(wǎng)絡(luò )的圖像分割
3.6.5  基于聚類(lèi)的圖像分割
3.6.6  基于圖論的圖像分割
3.6.7  基于能量泛函的圖像分割
3.6.8  基于NSCT的圖像分割
3.7  二值圖像的分割——數學(xué)形態(tài)學(xué)圖像處理
3.7.1  基本符號和關(guān)系
3.7.2  腐蝕運算
3.7.3  膨脹運算
3.7.4  開(kāi)運算
3.7.5  閉運算
3.7.6  細化
3.7.7  粗化
3.8  彩色圖像的分割
3.8.1  顏色基礎
3.8.2  彩色模型（彩色規范）
3.8.3  彩色分割策略
3.9  圖像分割的評價(jià)
3.10  本章小結
第4章  圖像特征提取與分類(lèi)
4.1  圖像特征基礎
4.1.1  圖像特征的概念
4.1.2  特征形成和提取
4.1.3  特征選擇
4.2  顏色特征的表示與提取
4.2.1  顏色直方圖
4.2.2  顏色矩
4.2.3  顏色集
4.2.4  顏色聚合向量
4.2.5  顏色相關(guān)圖
4.2.6  顏色布局
4.3  紋理特征的表示與提取
4.3.1  紋理的概念和研究?jì)热?br>4.3.2  灰度共生矩陣
4.3.3  Tamura紋理特征
4.3.4  局部二值模式
4.3.5  局部累積矩
4.3.6  自回歸紋理模型
4.3.7  分形分析
4.3.8  基于小波變換的紋理特征提取
4.3.9  Gabor濾波
4.4  形狀特征的表示與提取
4.4.1  基本概念
4.4.2  區域描述
4.4.3  邊界描述
4.4.4  Hough變換
4.4.5  其他形狀特征
4.5  空間關(guān)系特征
4.5.1  空間關(guān)系特征的特點(diǎn)
4.5.2  常用的空間特征提取方法
4.6  特征空間的降維
4.6.1  主成分分析
4.6.2  Fisher線(xiàn)性判別分析
4.6.3  PCA和FLDA的比較
4.6.4  多維尺度法
4.7  特征向量的分類(lèi)方法
4.7.1  模式識別簡(jiǎn)介
4.7.2  Adaboost分類(lèi)器
4.7.3  支持向量機
4.7.4  隨機森林分類(lèi)器
4.7.5  分類(lèi)器的評價(jià)與比較
4.8  綜合應用實(shí)例——基于內容的圖像檢索
4.8.1  研究背景
4.8.2  研究?jì)热?br>4.8.3  研究現狀
4.8.4  發(fā)展方向
4.9  本章小結
第5章  基于模板匹配的圖像識別技術(shù)
5.1　模板匹配概述
5.1.1  研究現狀
5.1.2  一般流程
5.1.3  應用現狀
5.2  基于圖像灰度的模板匹配
5.2.1  平方誤差度量
5.2.2  差的絕對值和相關(guān)法
5.2.3  互相關(guān)法
5.2.4  序貫相似性度量
5.2.5  最大互信息法
5.3  基于圖像特征的模板匹配
5.4  其他模板匹配方法
5.4.1  二階段模板匹配
5.4.2  投影模板匹配
5.4.3  自適應模板匹配
5.4.4  模板匹配快速算法
5.5  本章小結
第6章  運動(dòng)圖像序列分析
6.1  運動(dòng)基礎知識
6.1.1  剛性運動(dòng)
6.1.2  非剛性運動(dòng)
6.2  基于光流場(chǎng)的運動(dòng)圖像分析
6.2.1  光流和光流場(chǎng)
6.2.2  光流約束方程
6.2.3  孔徑問(wèn)題
6.2.4  梯度光流法
6.2.5  特征光流法
6.3  基于配準的運動(dòng)圖像分析
6.3.1  配準方法
6.3.2  最優(yōu)匹配的搜索
6.3.3  結果舉例及討論
6.4  本章小結
第7章  變形模型技術(shù)
7.1  變形模型的數學(xué)基礎
7.1.1  能量最小化變形模型
7.1.2  動(dòng)態(tài)可變形模型
7.1.3  離散化和數字仿真
7.2  變形模型在醫學(xué)圖像處理中的應用
7.2.1  采用可變形曲線(xiàn)的圖像分割
7.2.2  采用可變形曲面的體視圖像分割
7.2.3  先驗知識
7.2.4  圖像的匹配
7.2.5  運動(dòng)跟蹤和分析
7.3  參數活動(dòng)輪廓模型
7.3.1  模型原理
7.3.2  能量最小值的求解
7.4  改進(jìn)的snake模型
7.4.1  氣球模型
7.4.2  T-snake模型
7.4.3  強約束T-snake模型
7.4.4  Kalman snake模型
7.5  幾何活動(dòng)輪廓模型
7.5.1  常用的幾何活動(dòng)輪廓模型
7.5.2  數值化求解
7.6  基于超二次曲面的變形模型
7.6.1  超二次曲面的數學(xué)描述
7.6.2  超二次曲面的變形
7.6.3  擴展超二次曲面
7.6.4  擬合ESQ曲面模型
7.7  本章小結
第8章  綜合應用實(shí)例——血管內超聲圖像的分割和斑塊的自動(dòng)識別
8.1  血管內超聲成像簡(jiǎn)介
8.1.1  成像原理
8.1.2  圖像特點(diǎn)
8.2  血管內超聲圖像的分割
8.2.1  方法分類(lèi)
8.2.2  典型方法
8.2.3  展望
8.3  血管內超聲圖像中斑塊的自動(dòng)識別
8.3.1  方法分類(lèi)
8.3.2  血管內超聲圖像紋理特征的提取和描述
8.3.3  血管內超聲圖像紋理特征的分類(lèi)
8.4  本章小結
第9章  綜合應用實(shí)例——車(chē)輛牌照字符的自動(dòng)識別
9.1  汽車(chē)牌照圖像的特點(diǎn)
9.1.1  中國汽車(chē)牌照分類(lèi)
9.1.2  汽車(chē)牌照圖像的特點(diǎn)
9.2  車(chē)輛牌照自動(dòng)識別系統概述
9.3  車(chē)牌字符自動(dòng)識別的研究現狀
9.3.1  主要方法
9.3.2  技術(shù)難點(diǎn)
9.4  車(chē)牌字符自動(dòng)識別方法舉例
9.4.1  車(chē)輛圖像的預處理
9.4.2  牌照定位
9.4.3  車(chē)牌字符識別及結果輸出
9.5  本章小結
第10章  綜合應用實(shí)例——航拍絕緣子圖像的自動(dòng)分割和定位
10.1  航拍絕緣子圖像的特點(diǎn)
10.2  航拍絕緣子圖像的分割
10.2.1  建立基于NSCT分解的灰度-梯度共生矩陣
10.2.2  采用灰熵模型及BF-PSO算法計算閾值
10.3  絕緣子串的自動(dòng)定位
10.3.1  主要方法
10.3.2  基于形狀特征的絕緣子串的自動(dòng)定位
10.4  本章小結
參考文獻