數(shù)字圖像信息處理

第I篇 處理基礎(chǔ)與方法
第1章 緒論
1. 1 前言
1. 2 視覺心理物理學(xué)性質(zhì)
1. 3 圖像處理基本內(nèi)容與系統(tǒng)
第2章 數(shù)字化與灰度級(jí)調(diào)整
2. 1 采樣準(zhǔn)則與量化
2. 1. 1 2維單位脈沖采樣函數(shù)
2. 1. 2 采樣與重構(gòu)
2. 1. 3 量化
2. 2 基本運(yùn)算類型
2. 2. 1 鄰域與模板
2. 2. 2 迭代與跟蹤
2. 2. 3 2維卷積
2. 2. 4 離散場(chǎng)數(shù)字特征
2. 3 直方圖及其修整
2. 3. 1 直方圖定義
2. 3. 2 直方圖修整
2. 4 灰度級(jí)變換與圖像內(nèi)插
2. 4. 1 分段線性變換
2. 4. 2 非線性拉伸
2. 4. 3 多圖像的代數(shù)運(yùn)算
2. 4. 4 圖像內(nèi)插與放大
2. 5 灰度分層與彩色增顯
2. 5. 1 偽彩色變換
2. 5. 2 加權(quán)直方圖分割法
2. 5. 3 彩色合成與RGB顯示
第3章 邊緣鮮亮與各向異性
3. 1 空域平滑與自適應(yīng)
3. 2 基于梯度的邊緣增強(qiáng)
3. 2. 1 邊緣模型與梯度
3. 2. 2 均值差分與邊緣檢測(cè)
3. 2. 3 灰度加權(quán)梯度法
3. 3 二階差分與邊緣提取
3. 3. 1 拉普拉斯算子與銳化
3. 3. 2 馬爾算子與尺度空間濾波
3. 3. 3 邊緣檢測(cè)定位精度問題
3. 3. 4 邊緣跟蹤與輪廓線配準(zhǔn)
3. 4 各向異性擴(kuò)散法
3. 4. 1 各向異性擴(kuò)散性質(zhì)
3. 4. 2 各向異性擴(kuò)散典型選擇與魯棒估計(jì)的等價(jià)性
3. 5 正則化變分法
3. 5. 1 邊緣正則化與位函數(shù)基本特點(diǎn)
3. 5. 2 正則化模型基本算法與邊緣展現(xiàn)
第4章 非線性濾波與數(shù)學(xué)形態(tài)學(xué)
4. 1 中值濾波
4. 1. 1 綜合型中值濾波
4. 1. 2 基于邊緣方向判別的自適應(yīng)中值濾波
4. 1. 3 自適應(yīng)魯棒中值濾波
4. 2 數(shù)學(xué)形態(tài)學(xué)濾波
4. 2. 1 數(shù)學(xué)形態(tài)學(xué)基本算子
4. 2. 2 數(shù)學(xué)形態(tài)學(xué)陰影集方法
4. 2. 3 數(shù)學(xué)形態(tài)學(xué)投影方法
4. 3 基于輪廓結(jié)構(gòu)的圖像形態(tài)學(xué)處理與濾波
4. 3. 1 基于輪廓結(jié)構(gòu)的二值圖像形態(tài)學(xué)變換
4. 3. 2 基于輪廓結(jié)構(gòu)的多值圖像形態(tài)學(xué)處理與
濾波
第5章 傅里葉變換與濾波
5. 1 2維離散傅里葉變換
5. 1. 1 2維離散傅里葉變換定義
5. 1. 2 2維離散傅里葉變換性質(zhì)
5. 2 2維有限長(zhǎng)度濾波器
5. 2. 1 2維有限長(zhǎng)度濾波器設(shè)計(jì)考慮
5. 2. 2 同態(tài)濾波問題
5. 2. 3 周期圖譜
5. 3 2維遞歸濾波與AR估計(jì)
5. 3. 1 2維差分方程及其特征
5. 3. 2 2維線性預(yù)測(cè)與AR算法
5. 3. 3 2維ARMA譜估計(jì)
第6章 幾種重要變換與維納濾波
6. 1 離散余弦變換
6. 1. 1 余弦變換的定義與性質(zhì)
6. 1. 2 系數(shù)重量化問題
6. 2 離散卡洛變換
6. 2. 1 離散卡洛變換定義
6. 2. 2 離散卡洛變換的基本內(nèi)涵
6. 2. 3 基于神經(jīng)網(wǎng)絡(luò)的算法
6. 2. 4 卡洛變換在圖像場(chǎng)中的應(yīng)用
6. 3 拉頓變換
6. 3. 1 拉頓變換的定義與特征提取
6. 3. 2 拉頓逆變換與舉例
第II篇 累積域處理. 小波變換與運(yùn)動(dòng)估計(jì)
第7章 累積域圖像處理
7. 1 高階累積量與多譜定義
7. 1. 1 高階累積量的定義及其基本性質(zhì)
7. 1. 2 多譜定義. 譜系數(shù)與相關(guān)譜
7. 1. 3 累積量與沖激響應(yīng)間的關(guān)系
7. 2 雙譜及其非參數(shù)化估計(jì)
7. 2. 1 雙譜的基本性質(zhì)
7. 2. 2 雙譜非參數(shù)化估計(jì)
7. 3 高階累積量與模型參數(shù)的關(guān)系
7. 3. 1 高階累積量與MA參數(shù)估計(jì)
7. 3. 2 高階累積量ARMA參數(shù)估計(jì)與自適應(yīng)ARMA
濾波
7. 3. 3 舉例
7. 4 非高斯2維隨機(jī)場(chǎng)
7. 4. 1 2維累積量與2維多譜
7. 4. 2 基于2維累積量的ARMA參數(shù)估計(jì)
7. 4. 3 2維圖像非因果模型
7. 5 累積域圖像處理中幾種重要考慮
7.
5.
1 位移與旋轉(zhuǎn)不變特征及其提取
7.
5.
2 圖像恢復(fù)與雙譜關(guān)系
7.
5.
3 匹配濾波與模式分類
7.
5.
4 運(yùn)動(dòng)估計(jì)
第8章 小波變換與多尺度處理
8.
1 小波變換定義
8.
1.
1 小波變換與基本特性
8.
1.
2 離散小波變換與舉例
8.
2 多分辨率分析
8.
2.
1 多分辨率逼近及其基本關(guān)系
8.
2.
2 Mallat小波分解和重構(gòu)算法
8.
2.
3 小波一級(jí)分解與重構(gòu)正交鏡像濾波器組
8.
3 多維正交小波基與序列圖像的變換
8.
3.
1 2維. 3維可分離正交小波基與實(shí)例分析
8.
3.
2 非分離2維小波變換
8.
4 緊支集正交小波基與小波族
8.
5 二進(jìn)小波變換與邊緣檢測(cè)
8.
5.
1 二進(jìn)小波變換
8.
5.
2 二進(jìn)小波分解與重構(gòu)
8.
5.
3 多尺度邊緣提取與基于模極值的壓縮編碼
8.
6 小波包與圖像數(shù)據(jù)最佳壓縮
8.
6.
1 小波包的概念與性質(zhì)
8.
6.
2 圖像數(shù)據(jù)壓縮時(shí)最佳小波基選擇舉例
第9章 時(shí)變圖像與運(yùn)動(dòng)估計(jì)
9.
1 2維平移運(yùn)動(dòng)估計(jì)與光流場(chǎng)的計(jì)算
9.
2 基于塊運(yùn)動(dòng)估計(jì)算法
9.
2.
1 基于塊運(yùn)動(dòng)模型
9.
2.
2 塊匹配法
9.
2.
3 分層運(yùn)動(dòng)估計(jì)
9.
2.
4 變形塊運(yùn)動(dòng)估計(jì)
9.
3 基于點(diǎn)對(duì)應(yīng)的算法
9.
3.
1 3維運(yùn)動(dòng)與透視投影關(guān)系
9.
3.
2 核線約束條件與運(yùn)動(dòng)矩陣參數(shù)估計(jì)
9.
3.
3 運(yùn)動(dòng)矩陣分解與旋轉(zhuǎn)矩陣估計(jì)
9.
4 運(yùn)動(dòng)補(bǔ)償與模型域編碼
9.
4.
1 基于對(duì)象的編碼
9.
4.
2 基于知識(shí)與語(yǔ)義的編碼
第III篇 恢復(fù). 配準(zhǔn)與分類
第10章 圖像恢復(fù)與重構(gòu)
10.
1 最小二乘法
10.
1.
1 無(wú)約束最小二乘法
10.
1.
2 約束最小二乘法
10.
2 遞推重構(gòu)法
10.
3 基于神經(jīng)網(wǎng)絡(luò)的算法
10.
3.
1 Hopfield神經(jīng)網(wǎng)絡(luò)法
10.
3.
2 基于能量最大速降法
10.
3.
3 基于方差的參數(shù)指派法
10.
4 合成孔徑雷達(dá)信號(hào)成像處理
10.
4.
1 SAR回波信號(hào)記錄模型
10.
4.
2 基于回波數(shù)據(jù)的成像處理與實(shí)現(xiàn)
10.
4.
3 2類典型系統(tǒng)
第11章 幾何配準(zhǔn)與立體觀察
11.
1 圖像幾何變換的基本概念
11.
1.
1 坐標(biāo)變換與中心投影
11.
1.
2 地圖投影問題
11.
2 幾何整體配準(zhǔn)與重采樣
11.
2.
1 多項(xiàng)式求解與同名點(diǎn)集要求
11.
2.
2 重采樣
11.
3 圖像疊加與匹配
11.
4 數(shù)字鑲嵌
11.
5 立體觀察與顯示
11.
5.
1 立體觀察實(shí)例
11.
5.
2 陸地衛(wèi)星旁向重疊立體
11.
5.
3 虛擬立體與透視立體
11.
5.
4 立體圖像的匹配與計(jì)算機(jī)顯示
第12章 圖像分類與神經(jīng)網(wǎng)絡(luò)
12.
1 統(tǒng)計(jì)分類與費(fèi)歇算法
12.
1.
1 統(tǒng)計(jì)分類數(shù)學(xué)概念
12.
1.
2 費(fèi)歇算法
12.
2 多光譜圖像分類特點(diǎn)與前處理
12.
2.
1 多光譜圖像分類特點(diǎn)
12.
2.
2 與分類有關(guān)的幾個(gè)重要問題
12.
3 神經(jīng)網(wǎng)絡(luò)模式分類算法
12.
3.
1 LVQ學(xué)習(xí)矢量量化模式分類
12.
3.
2 Kohonen自組織特征映射模式分類
12.
3.
3 ART自適應(yīng)諧振網(wǎng)絡(luò)模式分類
12.
3.
4 CPN網(wǎng)絡(luò)模式分類
12.
3.
5 RBF網(wǎng)絡(luò)多光譜分析與模式分類
12.
4 信息融合與識(shí)別
12.
4.
1 多種圖像信息的融合
12.
4.
2 圖像信息和非圖像信息的融合
12.
4.
3 智能化信息處理與識(shí)別
參考文獻(xiàn)