數(shù)字圖像處理基礎(chǔ)及工程應(yīng)用

目錄
前言
第1章數(shù)字圖像處理概述
1.1數(shù)字圖像的基本概念
1.1.1圖像
1.1.2數(shù)字圖像及其存儲(chǔ)方式
1.1.3數(shù)字圖像的分類(lèi)
1.1.4數(shù)字圖像處理系統(tǒng)
1.2數(shù)字圖像處理發(fā)展史及發(fā)展趨勢(shì)
1.3數(shù)字圖像處理的特點(diǎn)
1.4數(shù)字圖像處理的工程應(yīng)用
1.5數(shù)字圖像處理的主要內(nèi)容
【課后習(xí)題】
第2章圖像采集
2.1照明
2.1.1光源類(lèi)型
2.1.2照明方式
2.1.3選擇合適的照明光源及照明方式
2.2鏡頭
2.2.1鏡頭的基本常識(shí)
2.2.2鏡頭的類(lèi)型
2.2.3選擇合適的鏡頭
2.3相機(jī)
2.4相機(jī)接口技術(shù)
【課后習(xí)題】
第3章圖像預(yù)處理技術(shù)
3.1圖像的灰度變換
3.1.1線性變化
3.1.2分段線性變換
3.1.3灰度對(duì)數(shù)變換
3.1.4直方圖均衡化
3.2圖像的幾何變換
3.2.1平移
3.2.2旋轉(zhuǎn)
3.2.3比例放縮
3.2.4鏡像
3.2.5插值
3.3圖像增強(qiáng)
3.3.1均值濾波
3.3.2中值濾波
3.3.3對(duì)比度增強(qiáng)
3.3.4小波去噪
3.4形態(tài)學(xué)處理
3.4.1腐蝕
3.4.2膨脹
3.4.3開(kāi)運(yùn)算
3.4.4閉運(yùn)算
3.4.5細(xì)化
3.4.6填充
【課后習(xí)題】
第4章圖像分割技術(shù)
4.1邊緣檢測(cè)
4.1.1Roberts邊緣算子
4.1.2Sobel邊緣算子
4.1.3Prewitt邊緣算子
4.1.4Laplacian邊緣算子
4.1.5LoG邊緣算子
4.1.6Canny邊緣算子
4.1.7邊緣檢測(cè)算子的MATLAB實(shí)現(xiàn)
4.2Hough變換
4.2.1Hough變換概述
4.2.2基于Hough變換的直線檢測(cè)
4.2.3基于Hough變換的曲線檢測(cè)
4.3閾值分割
4.3.1閾值分割的基本原理
4.3.2閾值分割方法的分類(lèi)
4.3.3極小值點(diǎn)閾值法
4.3.4最小均方誤差法
4.3.5迭代選擇閾值法
4.3.6雙峰法
4.3.7最大類(lèi)間方差法
4.4基于區(qū)域的圖像分割
4.4.1區(qū)域生長(zhǎng)算法
4.4.2區(qū)域分裂合并算法
【課后習(xí)題】
第5章圖像特征提取與選擇
5.1顏色特征
5.1.1顏色直方圖
5.1.2顏色集
5.1.3顏色矩
5.1.4顏色聚合向量
5.1.5顏色相關(guān)圖
5.2基于灰度共生矩陣的紋理特征構(gòu)建
5.2.1灰度共生矩陣的定義
5.2.2基于灰度共生矩陣的紋理特征
5.2.3基于灰度-梯度共生矩陣的紋理特征構(gòu)建
5.3幾何特征
5.3.1位置
5.3.2方向
5.3.3周長(zhǎng)
5.3.4面積
5.4基于主成分分析的特征選擇
5.5基于Fisher線性判據(jù)的特征選擇
【課后習(xí)題】
第6章圖像匹配
6.1模板匹配旳概念
6.2基于灰度相關(guān)的模板匹配
6.2.1MAD算法
6.2.2SAD算法
6.2.3SSD算法
6.2.4NCC算法
6.2.5SSDA算法
6.2.6SATD算法
6.3基于灰度值的亞像素精度匹配
6.4使用空間金字塔進(jìn)行匹配
6.4.1空間金字塔的表示方法
6.4.2空間金字塔匹配的基本原理
6.4.3空間金字塔匹配算法實(shí)現(xiàn)
6.5帶旋轉(zhuǎn)與縮放的模板匹配
6.5.1高斯尺度空間的極值檢測(cè)
6.5.2特征點(diǎn)位置的確定
6.5.3特征點(diǎn)方向的確定
6.5.4特征點(diǎn)描述子生成
6.5.5SIFT特征向量的匹配
【課后習(xí)題】
第7章圖像智能識(shí)別方法
7.1聚類(lèi)識(shí)別
7.1.1聚類(lèi)算法主要思想
7.1.2K-Means聚類(lèi)算法理論基礎(chǔ)
7.1.3聚類(lèi)算法的MATLAB實(shí)現(xiàn)
7.2神經(jīng)網(wǎng)絡(luò)識(shí)別
7.2.1人工神經(jīng)網(wǎng)絡(luò)的主要思想
7.2.2BP神經(jīng)網(wǎng)絡(luò)算法的理論基礎(chǔ)
7.2.3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的MATLAB實(shí)現(xiàn)
7.3支持向量機(jī)識(shí)別
7.3.1支持向量機(jī)的分類(lèi)思想
7.3.2SVM的基本理論
7.3.3SVM算法的MATLAB實(shí)現(xiàn)
7.4模糊識(shí)別
7.4.1模糊圖像識(shí)別的設(shè)計(jì)思想
7.4.2貼近度與模糊度
7.4.3最大隸屬原則與擇近原則
7.4.4模糊算法的MATLAB實(shí)現(xiàn)
【課后習(xí)題】
第8章工程應(yīng)用：車(chē)牌識(shí)別
8.1牌照定位
8.2牌照區(qū)域的分割
8.3字符分割與歸一化
8.4字符細(xì)化
8.5字符的識(shí)別
第9章工程應(yīng)用：多氣泡上升軌跡跟蹤
9.1氣泡圖像的預(yù)處理
9.2氣泡運(yùn)動(dòng)軌跡跟蹤方法
9.2.1基于互相關(guān)匹配的目標(biāo)跟蹤
9.2.2基于Mean-Shift算法的目標(biāo)跟蹤
第10章工程應(yīng)用：人臉識(shí)別
10.1ORL人臉數(shù)據(jù)庫(kù)簡(jiǎn)介
10.2基于PCA的人臉圖像的特征提取
10.3人臉圖像識(shí)別方法
10.3.1k-近鄰算法
10.3.2BP神經(jīng)網(wǎng)絡(luò)法
10.3.3基于BP神經(jīng)網(wǎng)絡(luò)法和k-近鄰法的綜合決策分類(lèi)
10.3.4實(shí)驗(yàn)的結(jié)果
10.4簡(jiǎn)單實(shí)例
第11章工程應(yīng)用：基于SURF特征點(diǎn)匹配的圖像三維識(shí)別
11.1圖像三維識(shí)別系統(tǒng)的方案設(shè)計(jì)
11.2圖像三維識(shí)別過(guò)程
11.2.1三維圖像預(yù)處理
11.2.2基于SURF算法的特征點(diǎn)匹配
11.2.3最優(yōu)匹配點(diǎn)的提取
11.2.4圖像三維坐標(biāo)的計(jì)算
11.2.5圖像三維識(shí)別
11.3基于SURF特征點(diǎn)匹配的圖像三維識(shí)別的OpenCV完整代碼
第12章工程應(yīng)用：基于OpenCV的燈腳質(zhì)量檢測(cè)
12.1燈腳質(zhì)量檢測(cè)的方案設(shè)計(jì)
12.2燈腳質(zhì)量檢測(cè)過(guò)程
12.2.1相機(jī)標(biāo)定
12.2.2燈腳圖像檢測(cè)
12.2.3燈腳檢測(cè)界面及結(jié)果分析
附錄顏色集
參考文獻(xiàn)