計算機圖像處理與識別技術(shù)

第一章 數(shù)字圖像處理綜述
1. 1 概論
1. 2 數(shù)字圖像處理系統(tǒng)
1. 2. 1 計算機圖像處理系統(tǒng)的發(fā)展
1. 2. 2 微機圖像處理系統(tǒng)的基本構(gòu)成
1. 3 數(shù)字圖像的形成
1. 3. 1 抽樣
1. 3. 2 量化
1. 4 數(shù)字圖像的數(shù)學(xué)描述
1. 4. 1 數(shù)字圖像的矩陣表示
1. 4. 2 二維數(shù)組和圖像的關(guān)系
1. 4. 3 對二維數(shù)組處理的基本程序框架
1. 5 數(shù)字圖像的數(shù)據(jù)結(jié)構(gòu)
1. 5. 1 二維數(shù)組
1. 5. 2 一維數(shù)組
1. 5. 3 分層結(jié)構(gòu)
1. 5. 4 樹狀結(jié)構(gòu)
1. 5. 5 多波段圖像的數(shù)據(jù)結(jié)構(gòu)
1. 5. 6 其他形式的數(shù)據(jù)存儲格式
1. 6 數(shù)字圖像處理的基本方法
1. 6. 1 基本處理過程
1. 6. 2 基本運算形式
1. 7 數(shù)字圖像處理與識別及圖像理解所研究的內(nèi)容
1. 7. 1 圖像處理技術(shù)
1. 7. 2 圖像識別技術(shù)
1. 7. 3 圖像理解
1. 8 圖像處理與圖像識別及圖像理解的關(guān)系
1. 8. 1 圖像處理
1. 8. 2 什么是圖像理解
1. 8. 3 圖像識別與圖像處理及圖像理解的關(guān)系
1. 9 計算機視覺 機器視覺
1. 9. 1 計算機視覺研究的內(nèi)容
1. 9. 2 計算機視覺與人類視覺的差異
1. 9. 3 計算機視覺的硬件
1. 9. 4 與計算機視覺相關(guān)的領(lǐng)域
1. 9. 5 計算機視覺發(fā)展的現(xiàn)狀
1. 9. 6 計算機視覺的應(yīng)用
第二章 MATLAB語言基礎(chǔ)
2. 1 MATLAB簡介
2. 2 MATLAB基本操作
2. 3 MATLAB編程基礎(chǔ)
2. 3. 1 變量
2. 3. 2 數(shù)據(jù)類型
2. 3. 3 特殊定義值
2. 3. 4 基本賦值語句
2. 3. 5 工作空間的管理
2. 4 MATLAB運算符
2. 4. 1 算術(shù)運算符
2. 4. 2 關(guān)系運算符
2. 4. 3 邏輯運算符
2. 5 MATLAB控制語句
2. 5. 1 循環(huán)控制語句
2. 5. 2 條件轉(zhuǎn)移語句
2. 5. 3 開關(guān)控制語句
2. 6 MATLAB聯(lián)機幫助系統(tǒng)
2. 6. 1 幫助命令 help
2. 6. 2 幫助窗口 help window
2. 6. 3 幫助桌面 help desk
2. 6. 4 關(guān)鍵宇查詢 look for
2. 6. 5 Mathworks公司網(wǎng)站
第三章 圖像預(yù)處理
3. 1 圖像變換
3. 1. 1 傅里葉變換
3. 1. 2 離散余弦變換
3. 1. 3 哈達(dá)碼變換
3. 1. 4 沃爾什變換
3. 1. 5 離散卡-洛變換
3. 2 灰度變換
3. 2. 1 灰度線性變換
3. 2. 2 灰度非線性變換
3. 3 直方圖變換
3. 3. 1 灰度直方圖
3. 3. 2 直方圖修正基礎(chǔ)
3. 3. 3 直方圖均衡化
3. 3. 4 直方圖規(guī)定化
3. 4 空間域圖像平滑
3. 4. 1 鄰域平均法
3. 4. 2 選擇平均法
3. 4. 3 中值濾波
3. 4. 4 空間域低通濾波
3. 5 空間域圖像銳化
3. 5. 1 梯度法
3. 5. 2 空域高通濾波法
3. 5. 3 掩摸匹配法
3. 6 頻域圖像平滑和銳化
3. 6. 1 頻域低通濾波法
3. 6. 2 頻域高通頻濾波
3. 7 偽彩色和假彩色處理
3. 7. 1 偽彩色處理
3. 7. 2 假彩色處理
第四章 圖像分割
4. 1 邊緣檢測
4. 1. 1 邊緣算子法
4. 1. 2 模板匹配法
4. 1. 3 曲面擬合法
4. 2 灰度閾值分割
4. 2. 1 雙峰法
4. 2. 2 p參數(shù)法
4. 2. 3 最大方差自動取閾法
4. 3 區(qū)域生長
4. 3. 1 灰度差判別準(zhǔn)則
4. 3. 2 灰度分布相似性判別準(zhǔn)則
第五章 圖像恢復(fù)與校正
5. 1 圖像恢復(fù)的基本概念
5. 2 圖像退化的模型
5. 3 圖像復(fù)原的代數(shù)方法
5. 3. 1 基本方程
5. 3. 2 分塊循環(huán)矩陣的對角化
5. 3. 3 反向濾波器
5. 3. 4 最小二乘方濾波器
5. 4 最小二乘方恢復(fù)
5. 4. 1 約束的最小二乘方復(fù)原
5. 4. 2 最大熵濾波器
5. 5 圖像幾何畸變校正
5. 6 圖像的幾何變換
5. 6. 1 圖像幾何變換原理
5. 6. 2 坐標(biāo)變換
5. 6. 3 灰度插值
第六章 圖像特征提取
6. 1 紋理特征提取
6. 1. 1 直方圖統(tǒng)計特征
6. 1. 2 圖像的自相關(guān)函數(shù)
6. 1. 3 灰度分布統(tǒng)計特征
6. 1. 4 傅里葉特征
6. 2 形狀特征提取
6. 2. 1 區(qū)域內(nèi)部的形狀特征
6. 2. 2 區(qū)域邊界的形狀特征
6. 3 顏色特征提取
6. 3. 1 彩色視覺系統(tǒng)
6. 3. 2 計算機彩色圖像
6. 3. 3 顏色表示系統(tǒng)
6. 3. 4 顏色系統(tǒng)之間的轉(zhuǎn)換
6. 3. 5 顏色的區(qū)分與對比
第七章 圖像識別
7. 1 圖像識別概述
7. 2 判別函數(shù)和判別規(guī)則
7. 2. 1 線性判別函數(shù)
7. 2. 2 最小距離判別函數(shù)
7. 2. 3 最近鄰域判別函數(shù)
7. 2. 4 非線性判別函數(shù)
7. 3 特征的提取和選擇
7. 4 統(tǒng)計模式識別方法
7. 4. 1 基本概念
7. 4. 2 貝葉斯分類器
7. 4. 3 基于貝葉斯分類器的遙感圖像分類
7. 5 模糊集理論識別方法
7. 5. 1 引言
7. 5. 2 模糊集理論概述
7. 5. 3 最大隸屬原則識別方法
7. 5. 4 擇近原則識別方法
7. 5. 5 模糊聚類識別方法
7. 5. 6 基于最大錄屬原則的機械零件識別
7. 5. 7 基于模糊聚類的汽車類型識別
7. 6 神經(jīng)網(wǎng)絡(luò)識別方法
7. 6. 1 神經(jīng)網(wǎng)絡(luò)識別法概述
7. 6. 2 與傳統(tǒng)分類器的對比
7. 6. 3 神經(jīng)元模型
7. 6. 4 神經(jīng)網(wǎng)絡(luò)分類器
7. 6. 5 模糊神經(jīng)網(wǎng)絡(luò)識別方法
第八章 圖像數(shù)據(jù)壓縮編碼
8. 1 概述
8. 1. 1 圖像編碼壓縮的必要性
8. 1. 2 圖像編碼壓縮的可能性
8. 1. 3 圖像編碼壓縮的分類
8. 1. 4 圖像編碼壓縮術(shù)語簡介
8. 2 預(yù)測編碼
8. 2. 1 線性預(yù)測編碼
8. 2. 2 非線性預(yù)測編碼
8. 3 正交變換編碼
8. 3. 1 變換編碼的基本原理
8. 3. 2 正交變換編碼特性評價
8. 3. 3 變換編碼
8. 4 統(tǒng)計編碼
8. 4. 1 哈夫曼編碼 Huffman Coding
8. 4. 2 香農(nóng)編碼 Shannon Coding
8. 4. 3 算術(shù)編碼 Arithmetics Coding
8. 5 二值圖像編碼
8. 5. 1 直接編碼
8. 5. 2 跳躍空白編碼
8. 5. 3 游程長度編碼.
8. 6 多媒體圖像數(shù)據(jù)壓縮技術(shù)
第九章 應(yīng)用實例
9. 1 圖像處理技術(shù)在工業(yè)自動檢測中的應(yīng)用
9. 1. 1 圖像處理在鑄造工業(yè)中的應(yīng)用
9. 1. 2 草莓揀選機器人的開發(fā)
9. 1. 3 基于計算機圖像處理的回轉(zhuǎn)窯火焰圖像識別
9. 2 智能機器人視覺信息檢測與處理系統(tǒng)
9. 2. 1 機器人視覺系統(tǒng)
9. 2. 2 機器人視覺與觸覺的融合
9. 3 現(xiàn)代交通監(jiān)控與管理系統(tǒng)
9. 3. 1 圖像識別技術(shù)在停車場安全系統(tǒng)中的應(yīng)用
9. 3. 2 基于神經(jīng)網(wǎng)絡(luò)的汽車車型圖像自動識別
9. 3. 3 現(xiàn)代車輛定位與導(dǎo)航
9. 4 遙感圖像處理與識別系統(tǒng)
9. 4. 1 遙感處理系統(tǒng)
9. 4. 2 實用微機遙感圖像處理系統(tǒng)
9. 4. 3 小波神經(jīng)網(wǎng)絡(luò)的遙感圖像分類
附錄1 MATLAB圖像處理工具箱函數(shù)簡介
附錄2 圖像處理技術(shù)漢英名詞對照
主要參考文獻(xiàn)