數(shù)字圖像處理（第二版）

第1章 緒論
1.1 數(shù)字圖像處理的概念
1.2 數(shù)字圖像處理的起源
1.3 數(shù)字圖像處理的應(yīng)用實例
1.3.1 伽馬射線成像
1.3.2 X射線成像
1.3.3 紫外波段成像
1.3.4 可見光及紅外波段成像
1.3.5 微波波段成像
1.3.6 無線電波成像
1.3.7 其他圖像模式應(yīng)用的實例
1.4 數(shù)字圖像處理的基本步驟
1.5 圖像處理系統(tǒng)的部件
小結(jié)
參考資料
第2章 數(shù)字圖像基礎(chǔ)
2.1 視覺感知要素
2.1.1 人眼的構(gòu)造
2.1.2 眼睛中圖像的形成
2.1.3 亮度適應(yīng)和鑒別
2.2 光和電磁波譜
2.3 圖像感知和獲取
2.3.1 用單個傳感器獲取圖像
2.3.2 用帶狀傳感器獲取圖像
2.3.3 用傳感器陣列獲取圖像
2.3.4 簡單的圖像形成模型
2.4 圖像取樣和量化
2.4.1 取樣和量化的基本概念
2.4.2 數(shù)字圖像表示
2.4.3 空間和灰度級分辨率
2.4.4 混淆的水紋圖樣
2.4.5 放大和收縮數(shù)字圖像
2.5 像素間的一些基本關(guān)系
2.5.1 相鄰像素
2.5.2 鄰接性、連通性、區(qū)域和邊界
2.5.3 距離度量
2.5.4 基于像素的圖像操作
2.6 線性和非線性操作
小結(jié)
參考資料
習(xí)題
第3章 空間域圖像增強(qiáng)
3.1 背景知識
3.2 某些基本灰度變換
3.2.1 圖像反轉(zhuǎn)
3.2.2 對數(shù)變換
3.2.3 冪次變換
3.2.4 分段線性變換函數(shù)
3.3 直方圖處理
3.3.1 直方圖均衡化
3.3.2 直方圖匹配（規(guī)定化）
3.3.3 局部增強(qiáng)
3.3.4 在圖像增強(qiáng)中使用直方圖統(tǒng)計學(xué)
3.4 用算術(shù)／邏輯操作增強(qiáng)
3.4.1 圖像減法處理
3.4.2 圖像平均處理
3.5 空間濾波基礎(chǔ)
3.6 平滑空間濾波器
3.6.1 平滑線性濾波器
3.6.2 統(tǒng)計排序濾波器
3.7 銳化空間濾波器
3.7.1 基礎(chǔ)
3.7.2 基于二階微分的圖像增強(qiáng)——拉普拉斯算子
3.7.3 基于一階微分的圖像增強(qiáng)——梯度法
3.8 混合空間增強(qiáng)法
小結(jié)
參考資料
習(xí)題
第4章 頻率域圖像增強(qiáng)
4.1 背景
4.2 傅里葉變換和頻率域的介紹
4.2.1 一維傅里葉變換及其反變換
4.2.2 二維DFT及其反變換
4.2.3 頻率域濾波
4.2.4 空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系
4.3 平滑的頻率域濾波器
4.3.1 理想低通濾波器
4.3.2 巴特沃思低通濾波器
4.3.3 高斯低通濾波器
4.3.4 低通濾波的其他例子
4.4 頻率域銳化濾波器
4.4.1 理想高通濾波器
4.4.2 巴特沃思高通濾波器
4.4.3 高斯型高通濾波器
4.4.4 頻率域的拉普拉斯算子
4.4.5 鈍化模板、高頻提升濾波和高頻加強(qiáng)濾波
4.5 同態(tài)濾波器
4.6 實現(xiàn)
4.6.1 一些二維傅里葉變換的性質(zhì)
4.6.2 用前向變換算法計算傅里葉反變換
4.6.3 更多的關(guān)于周期性的討論：必要的鋪墊
4.6.4 卷積和相關(guān)性理論
4.6.5 二維傅里葉變換性質(zhì)總結(jié)
4.6.6 快速傅里葉變換
4.6.7 關(guān)于濾波器設(shè)計的一些評論
小結(jié)
參考資料
習(xí)題
第5章 圖像復(fù)原
5.1 圖像退化／復(fù)原過程的模型
5.2 噪聲模型
5.2.1 噪聲的空間和頻率特性
5.2.2 一些重要噪聲的概率密度函數(shù)
5.2.3 周期噪聲
5.2.4 噪聲參數(shù)的估計
5.3 噪聲存在下的惟一空間濾波復(fù)原
5.3.1 均值濾波器
5.3.2 順序統(tǒng)計濾波器
5.3.3 自適應(yīng)濾波器
5.4 頻域濾波削減周期噪聲
5.4.1 帶阻濾波器
5.4.2 帶通濾波器
5.4.3 陷波濾波器
5.4.4 最佳陷波濾波器
5.5 線性、位置不變的退化
5.6 估計退化函數(shù)
5.6.1 圖像觀察估計法
5.6.2 試驗估計法
5.6.3 模型估計法
5.7 逆濾波
5.8 最小均方誤差濾波（維納濾波）
5.9 約束最小二乘方濾波器
5.1 幾何均值濾波
5.11 幾何變換
5.11.1 空間變換
5.11.2 灰度級插補(bǔ)
小結(jié)
參考資料
習(xí)題
第6章 彩色圖像處理
6.1 彩色基礎(chǔ)
6.2 彩色模型
6.2.1 RGB彩色模型
6.2.2 CMY和CMYK模型
6.2.3 HSI彩色模型
6.3 偽彩色處理
6.3.1 強(qiáng)度分層
6.3.2 灰度級到彩色轉(zhuǎn)換
6.4 全彩色圖像處理基礎(chǔ)
6.5 彩色變換
6.5.1 公式
6.5.2 補(bǔ)色
6.5.3 彩色分層
6.5.4 色調(diào)和彩色校正
6.5.5 直方圖處理
6.6 平滑和尖銳化
6.6.1 彩色圖像平滑
6.6.2 彩色圖像尖銳化
6.7 彩色分割
6.7.1 HSI彩色空間分割
6.7.2 RGB向量空間分割
6.7.3 彩色邊緣檢測
6.8 彩色圖像的噪聲
6.9 彩色圖像壓縮
小結(jié)
參考資料
習(xí)題
第7章 小波變換和多分辨率處理
7.1 背景
7.1.1 圖像金字塔
7.1.2 子帶編碼
7.1.3 哈爾變換
7.2 多分辨率展開
7.2.1 序列展開
7.2.2 尺度函數(shù)
7.2.3 小波函數(shù)
7.3 一維小波變換
7.3.1 小波序列展開
7.3.2 離散小波變換
7.3.3 連續(xù)小波變換
7.4 快速小波變換
7.5 二維小波變換
7.6 小波包
小結(jié)
參考資料
習(xí)題
第8章 圖像壓縮
8.1 基礎(chǔ)
8.1.1 編碼冗余
8.1.2 像素間冗余
8.1.3 心理視覺冗余
8.1.4 保真度準(zhǔn)則
8.2 圖像壓縮模型
8.2.1 信源編碼器和信源解碼器
8.2.2 信道編碼器和解碼器
8.3 信息論要素
8.3.1 測量信息
8.3.2 信息信道
8.3.3 基本編碼定理
8.3.4 信息論的應(yīng)用
8.4 無誤差壓縮
8.4.1 變長編碼
8.4.2 LZW編碼
8.4.3 位平面編碼
8.4.4 無損預(yù)測編碼
8.5 有損壓縮
8.5.1 有損預(yù)測編碼
8.5.2 變換編碼
8.5.3 小波編碼
8.6 圖像壓縮標(biāo)準(zhǔn)
8.6.1 二值圖像壓縮標(biāo)準(zhǔn)
8.6.2 連續(xù)色調(diào)靜止圖像壓縮標(biāo)準(zhǔn)
8.6.3 視頻壓縮標(biāo)準(zhǔn)
小結(jié)
參考資料
習(xí)題
第9章 形態(tài)學(xué)圖像處理
9.1 序言
9.1.1 集合論的幾個基本概念
9.1.2 二值圖像的邏輯運(yùn)算
9.2 膨脹與腐蝕
9.2.1 膨脹
9.2.2 腐蝕
9.3 開操作與閉操作
9.4 擊中或擊不中變換
9.5 一些基本的形態(tài)學(xué)算法
9.5.1 邊界提取
9.5.2 區(qū)域填充
9.5.3 連通分量的提取
9.5.4 凸殼
9.5.5 細(xì)化
9.5.6 粗化
9.5.7 骨架
9.5.8 裁剪
9.5.9 關(guān)于二值圖像的形態(tài)學(xué)運(yùn)算總結(jié)
9.6 灰度級圖像擴(kuò)展
9.6.1 膨脹
9.6.2 腐蝕
9.6.3 開操作和閉操作
9.6.4 灰度級形態(tài)學(xué)的一些應(yīng)用
小結(jié)
參考資料
習(xí)題
第1章 圖像分割
1.1 間斷檢測
1.1.1 點檢測
1.1.2 線檢測
1.1.3 邊緣檢測
1.2 邊緣連接和邊界檢測
1.2.1 局部處理
1.2.2 通過霍夫變換進(jìn)行整體處理
1.2.3 通過圖論技術(shù)進(jìn)行全局處理
1.3 門限處理
1.3.1 基礎(chǔ)
1.3.2 亮度的作用
1.3.3 基本全局門限
1.3.4 基本自適應(yīng)門限
1.3.5 最佳全局和自適應(yīng)門限
1.3.6 利用邊界特性改進(jìn)直方圖和局部門限處理
1.3.7 基于不同變量的門限
1.4 基于區(qū)域的分割
1.4.1 基本公式
1.4.2 區(qū)域生長
1.4.3 區(qū)域分離與合并
1.5 基于形態(tài)學(xué)分水嶺的分割
1.5.1 基本概念
1.5.2 水壩構(gòu)造
1.5.3 分水嶺分割算法
1.5.4 應(yīng)用標(biāo)記
1.6 分割中運(yùn)動的應(yīng)用
1.6.1 空間技術(shù)
1.6.2 頻域技術(shù)
小結(jié)
參考資料
習(xí)題
第11章 表示與描述
11.1 表示方法
11.1.1 鏈碼
11.1.2 多邊形近似
11.1.3 標(biāo)記圖
11.1.4 邊界線段
11.1.5 骨架
11.2 邊界描繪子
11.2.1 一些簡單的描繪子
11.2.2 形狀數(shù)
11.2.3 傅里葉描繪子
11.2.4 統(tǒng)計矩
11.3 區(qū)域描繪子
11.3.1 某些簡單的描繪子
11.3.2 拓?fù)涿枥L子
11.3.3 紋理
11.3.4 二維函數(shù)的矩
11.4 運(yùn)用主分量進(jìn)行描繪
11.5 關(guān)系描繪
小結(jié)
參考資料
習(xí)題
第12章 對象識別
12.1 模式和模式類
12.2 基于決策理論方法的識別
12.2.1 匹配
12.2.2 最佳統(tǒng)計分類器
12.2.3 神經(jīng)網(wǎng)絡(luò)
12.3 結(jié)構(gòu)性方法
12.3.1 匹配形狀數(shù)目
12.3.2 串匹配
12.3.3 串的語法識別
12.3.4 樹的句法識別
小結(jié)
參考資料
習(xí)題
參考文獻(xiàn)