圖像處理與識別（第2版）

第1章緒論1
1.1引言1
1.2圖像處理與識別的相關(guān)術(shù)語2
1.3圖像處理與識別的發(fā)展歷史5
1.4圖像處理與識別的應(yīng)用領(lǐng)域7
習(xí)題19
第2章圖像變換10
2.1傅里葉變換10
2.1.1連續(xù)傅里葉變換10
2.1.2離散傅里葉變換12
2.1.3快速傅里葉變換16
2.2離散余弦變換17
2.3正弦變換20
2.4沃爾什哈達瑪變換21
2.5KL變換24
2.5.1KL變換的定義24
2.5.2KL變換的基本性質(zhì)25
習(xí)題225
第3章圖像增強27
3.1灰度級修正27
3.1.1直方圖27
3.1.2灰度變換28
3.1.3直方圖修正30
3.2圖像平滑33
3.2.1鄰域平均法34
3.2.2中值濾波35
3.2.3空間低通濾波38
3.3圖像銳化38
3.3.1微分算子方法39
3.3.2Sobel算子40
3.3.3拉普拉斯算子41
3.3.4空域高通濾波44
3.4圖像濾波44
3.4.1低通濾波45
3.4.2高通濾波47
3.4.3同態(tài)濾波48
3.5幾何變換49
3.5.1幾何變換過程49
3.5.2灰度級插值50
習(xí)題352

第4章圖像編碼53
4.1概述53
4.1.1圖像數(shù)據(jù)的冗余53
4.1.2圖像壓縮的性能評價54
4.2統(tǒng)計編碼55
4.2.1編碼效率與冗余度55
4.2.2霍夫曼編碼57
4.2.3香農(nóng)費諾編碼58
4.2.4算術(shù)編碼60
4.3預(yù)測編碼62
4.3.1預(yù)測編碼的基本原理62
4.3.2差值脈沖編碼調(diào)制63
4.3.3最優(yōu)線性預(yù)測64
4.4變換編碼65
4.4.1變換編碼系統(tǒng)結(jié)構(gòu)65
4.4.2正交變換編碼66
4.5輪廓編碼69
4.5.1輪廓算法70
4.5.2輪廓編碼算法的應(yīng)用實例72
4.6國際標(biāo)準(zhǔn)簡介74
4.6.1JPEG75
4.6.2MPEG系列標(biāo)準(zhǔn)75
4.6.3H.26X系列標(biāo)準(zhǔn)77
4.6.4AVS標(biāo)準(zhǔn)79
習(xí)題479
第5章圖像分割80
5.1圖像分割的一般模型80
5.2閾值分割81
5.3基于變換直方圖選取閾值84
5.4Hough變換86
5.5串行區(qū)域分割87
5.5.1區(qū)域生長87
5.5.2分裂合并法89
5.6基于形態(tài)學(xué)的圖像分割90
5.6.1膨脹和腐蝕91
5.6.2開啟和閉合93
5.6.3數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用94
習(xí)題596
第6章圖像特征分析97
6.1拓?fù)涮匦?7
6.1.1鄰接與連通97
6.1.2距離98
6.2輪廓的表達98
6.2.1輪廓的鏈碼表達98
6.2.2輪廓的近似表達100
6.3區(qū)域的骨架表達101
6.4邊界的描述101
6.4.1邊界的簡單描述102
6.4.2邊界的特征描述103
6.5區(qū)域的描述106
6.5.1區(qū)域的簡單描述106
6.5.2區(qū)域的形狀描述107
6.6尺度不變特征轉(zhuǎn)換描述子109
6.7梯度方向直方圖描述子113
習(xí)題6115
第7章圖像識別117
7.1圖像識別概述117
7.2判別函數(shù)和判別規(guī)則118
7.2.1線性判別函數(shù)118
7.2.2最小距離判別函數(shù)120
7.2.3最近鄰域判別函數(shù)121
7.2.4非線性判別函數(shù)121
7.3特征的提取和選擇122
7.4統(tǒng)計模式識別方法122
7.4.1基本概念122
7.4.2貝葉斯(Bayes)分類器123
7.5深度神經(jīng)網(wǎng)絡(luò)圖像識別125
7.5.1深度神經(jīng)網(wǎng)絡(luò)概述125
7.5.2卷積神經(jīng)網(wǎng)絡(luò)簡介127
7.5.3經(jīng)典圖像分類卷積神經(jīng)網(wǎng)絡(luò)模型129
7.5.4防止過擬合策略136
7.6圖像分類常用評價指標(biāo)137
7.7常用圖像分類數(shù)據(jù)庫141
習(xí)題7145
第8章目標(biāo)檢測146
8.1目標(biāo)檢測相關(guān)知識147
8.1.1選擇性搜索148
8.1.2非極大值抑制149
8.1.3常用數(shù)據(jù)庫150
8.1.4目標(biāo)檢測常用評價指標(biāo)151
8.2二階段的目標(biāo)檢測方法152
8.2.1RCNN152
8.2.2SPPnet154
8.2.3Fast RCNN155
8.2.4Faster RCNN156
8.2.5FPN158
8.3一階段的目標(biāo)檢測方法161
8.3.1YOLOv1161
8.3.2SSD163
8.3.3YOLOv2164
8.3.4YOLOv3166
8.3.5CornerNet167
8.3.6CenterNet170
8.3.7FCOS173
習(xí)題8 175
第9章語義分割與實例分割177
9.1圖像分割數(shù)據(jù)庫177
9.2圖像分割常用評價指標(biāo)178
9.3語義分割180
9.3.1FCN180
9.3.2DeconvNet182
9.3.3UNet183
9.3.4DeepLabv1184
9.3.5DilatedConvNet185
9.3.6DeepLabv2187
9.3.7PSPNet188
9.3.8ICNet190
9.3.9HRNet192
9.3.10FastFCN194
9.4實例分割196
9.4.1Mask RCNN196
9.4.2YOLACT198
9.4.3PolarMask200
9.4.4SOLO203
習(xí)題9204
第10章圖像生成206
10.1圖像生成的相關(guān)概念206
10.1.1KL散度207
10.1.2JS散度207
10.1.3最大似然估計207
10.1.4納什均衡209
10.1.5圖像生成模型的評價指標(biāo)210
10.2VAE212
10.2.1CVAE213
10.2.2SketchRNN214
10.2.3VQVAE217
10.3GAN219
10.3.1DCGAN221
10.3.2AgecGAN223
10.3.3StackGAN224
10.3.4Pix2Pix225
10.3.5CycleGAN227
習(xí)題10228
參考文獻229