Image processing:principles and applications

　　第1章 概述 1
　　 1.1 图像处理基本原理 1
　　 1.2 图像处理应用 2
　　 1.2.1 自动视觉检测系统 2
　　 1.2.2 遥感场景解译 3
　　 1.2.3 生物医学成像技术 3
　　 1.2.4 防御观测 4
　　 1.2.5 基于内容的图像检索 4
　　 1.2.6 运动对象跟踪 4
　　 1.2.7 图像与视频压缩 5
　　 1.3 人类视觉知觉 5
　　 1.3.1 人眼 6
　　 1.3.2 视觉的神经机制 6
　　 1.4 图像处理系统的组成 7
　　 1.5 本书的结构 9
　　 1.6 与其他书的不同之处 10
　　 1.7 本章小结 10
　　参考文献 11
　　
　　第2章 成像与表示 12
　　 2.1 概述 12
　　 2.2 成像 12
　　 2.2.1 照明 12
　　 2.2.2 反射模型 13
　　 2.2.3 点扩散函数 14
　　 2.3 采样与量化 15
　　 2.3.1 图像采样 16
　　 2.3.2 图像量化 17
　　 2.4 二值图像 18
　　 2.4.1 几何特性 19
　　 2.4.2 二值对象的链码表示 20
　　 2.5 三维成像 21
　　 2.5.1 立体图像 21
　　 2.5.2 深度图像采集 22
　　 2.6 图像文件格式 22
　　 2.7 重点要点 23
　　 2.8 本章小结 24
　　 参考文献 24
　　
　　第3章 颜色和彩色影像 26
　　 3.1 概述 26
　　 3.2 色彩知觉 26
　　 3.3 色彩空间量化和最小可觉差（JND） 27
　　 3.4 色彩空间与变换 28
　　 3.4.1 CMYK空间 28
　　 3.4.2 NTSC或YIQ色彩空间 28
　　 3.4.3 色彩空间 29
　　 3.4.4 视觉均匀色彩空间 29
　　 3.4.5 CIELAB色彩空间 31
　　 3.5 颜色插值或去马赛克 32
　　 3.5.1 非自适应颜色插值算法 32
　　 3.5.2 自适应算法 34
　　 3.5.3 新的基于自适应的彩色插值算法 38
　　 3.5.4 实验结果 41
　　 3.6 本章小结 41
　　 参考文献 42
　　
　　第4章 图像变换 43
　　 4.1 概述 43
　　 4.2 傅立叶变换 43
　　 4.2.1 一维傅立叶变换 43
　　 4.2.2 二维傅立叶变换 44
　　 4.2.3 离散傅立叶变换 45
　　 4.2.4 变换核 45
　　 4.2.5 矩阵形式表示 46
　　 4.2.6 性质 46
　　 4.2.7 快速傅立叶变换 48
　　 4.3 离散余弦变换 50
　　 4.4 Walsh Hadamard变换 51
　　 4.5 Karhaunen-Loeve变换或主分量分析 52
　　 4.5.1 协方差矩阵 53
　　 4.5.2 特征向量和特征值 54
　　 4.5.3 主分量分析 54
　　 4.5.4 奇异值分解 54
　　 4.6 本章小结 56
　　 参考文献 56
　　
　　第5章 离散小波变换 57
　　 5.1 概述 57
　　 5.2 小波变换 58
　　 5.2.1 离散小波变换 59
　　 5.2.2 Gabor滤波 60
　　 5.2.3 多分辨率分析的概念 61
　　 5.2.4 滤波和金字塔算法的实现 62
　　 5.3 推广到二维信号 64
　　 5.4 DWT的提升实现 65
　　 5.4.1 有限冲激响应滤波与Z变换 66
　　 5.4.2 Laurent多项式的Euclidean算法 67
　　 5.4.3 完全重建和滤波多相位表示 68
　　 5.4.4 提升 69
　　 5.4.5 用于提升计算的数据关系图 74
　　 5.5 基于提升的DWT的优点 75
　　 5.6 本章小结 75
　　 参考文献 76
　　
　　第6章 图像增强与复原 77
　　 6.1 概述 77
　　 6.2 图像增强与复原的区别 78
　　 6.3 空间图像增强技术 78
　　 6.3.1 空间低通滤波和高通滤波 78
　　 6.3.2 均值和空间低通滤波 79
　　 6.3.3 模糊掩盖锐化与匀边 79
　　 6.3.4 方向平滑 80
　　 6.4 基于直方图的对比增强 80
　　 6.4.1 图像的直方图 81
　　 6.4.2 直方图均衡化 81
　　 6.4.3 局部直方图均衡化 83
　　 6.4.4 直方图规定化 83
　　 6.4.5 双曲线直方图 83
　　 6.4.6 中值滤波 84
　　 6.5 图像增强的频域方案 84
　　 6.6 噪声建模 87
　　 6.7 图像复原 88
　　 6.7.1 含冲激噪声图像的复原 89
　　 6.7.2 模糊图像的复原 90
　　 6.7.3 反向滤波 90
　　 6.7.4 Wiener滤波器 91
　　 6.8 图像处理的其他方法 93
　　 6.8.1 重谱图像复原 93
　　 6.8.2 层析成像重建 94
　　 6.9 本章小结 94
　　 参考文献 94
　　
　　第7章 图像分割 96
　　 7.1 预处理 96
　　 7.2 边缘、线与点检测 97
　　 7.3 边缘检测 99
　　 7.3.1 基于Robert算子的边缘检测器 99
　　 7.3.2 基于Sobel算子的边缘检测器 99
　　 7.3.3 基于Prewitt算子的边缘检测器 100
　　 7.3.4 Kirsch算子 101
　　 7.3.5 Canny的边缘检测器 101
　　 7.3.6 基于二阶导数的算子 103
　　 7.3.7 基于边缘分割的局限性 105
　　 7.4 图像阈值化技术 106
　　 7.4.1 两级阈值化 106
　　 7.4.2 多级阈值化 107
　　 7.4.3 基于熵的阈值化 108
　　 7.4.4 遇到的问题与可能的解决方案 108
　　 7.5 区域生长 109
　　 7.5.1 区域邻接图 110
　　 7.5.2 区域合并和分裂 110
　　 7.5.3 基于分割的聚类 111
　　 7.6 用于分割的瀑布算法 112
　　 7.7 连通分量标记 112
　　 7.8 文档图像分割 113
　　 7.9 本章小结 114
　　 参考文献 114
　　
　　第8章 图像模式识别 116
　　 8.1 概述 116
　　 8.2 决策理论的模式分类 116
　　 8.3 贝叶斯决策理论 117
　　 8.3.1 参数估计 118
　　 8.3.2 最短距离分类 118
　　 8.4 非参数分类 120
　　 8.5 线性判别分析 121
　　 8.6 无监督分类策略——聚类 121
　　 8.6.1 单链路聚类 122
　　 8.6.2 完全链路聚类 122
　　 8.6.3 平均链路聚类 122
　　 8.7 K-均值聚类算法 123
　　 8.8 句法模式分类 123
　　 8.8.1 基元选择策略 124
　　 8.8.2 高维模式文法 125
　　 8.9 句法推断 125
　　 8.10 符号投影方法 125
　　 8.11 人工神经网络 126
　　 8.11.1 神经网络的进化 127
　　 8.11.2 多层感知器 127
　　 8.11.3 Kohonen的自组织特征映射 129
　　 8.11.4 对向传播神经网络 130
　　 8.11.5 网络的全局特征 131
　　 8.12 本章小结 131
　　 参考文献 132
　　
　　第9章 纹理与形状分析 133
　　 9.1 概述 133
　　　　9.1.1 纹理基元 133
　　　　9.1.2 纹理分类 134
　　　9.2 灰度共生矩阵 135
　　　　9.2.1 基元的空间关系 136
　　　　9.2.2 广义共生 136
　　　9.3 纹理光谱 137
　　　9.4 使用分形的纹理分类 138
　　　　9.4.1 分形线和形状 138
　　　　9.4.2 纹理分类中的分形 138
　　　　9.4.3 使用地毯覆盖方法计算分形维数 139
　　 9.5 形状分析 140
　　 9.5.1 定位点 141
　　 9.5.2 多边形形状描述符 141
　　 9.5.3 形状描述中的控制点 142
　　 9.5.4 在形状确定中曲率的角色 142
　　 9.5.5 用于形状分析的多边形逼近 142
　　 9.6 主动轮廓建模 143
　　 9.7 形状复原与归一化 145
　　 9.7.1 形状散布矩阵 146
　　 9.7.2 平移和旋转坐标轴 146
　　 9.7.3 改变基本尺度 147
　　 9.8 基于轮廓的形状描述符 148
　　 9.9 基于区域的形状描述符 149
　　 9.9.1 Zernike矩 150
　　 9.9.2 径向chebyshev矩 150
　　 9.10 知觉的格式塔理论 150
　　 9.11 本章小结 150
　　 参考文献 151
　　
　　第10章 图像处理中的模糊集理论 153
　　 10.1 模糊集理论概述 153
　　 10.2 为什么图像会模糊 153
　　 10.3 模糊集理论介绍 154
　　 10.4 预备知识和背景 154
　　 10.4.1 模糊化 155
　　 10.4.2 基本术语与运算 155
　　 10.5 将图像作为模糊集 156
　　 10.6 对比度增强的模糊方法 158
　　 10.6.1 使用模糊化增强对比度 158
　　 10.6.2 去噪的模糊空间过滤器 159
　　 10.6.3 平滑算法 159
　　 10.7 使用模糊方法的图像分割 160
　　 10.8 像素分类的模糊方法 162
　　 10.9 模糊的C-均值算法 162
　　 10.10 神经网络模糊逻辑的融合 163
　　 10.11 本章小结 165
　　 参考文献 165
　　
　　第11章 图像挖掘与基于内容的图像检索 167
　　 11.1 概述 167
　　 11.2 图像挖掘 168
　　 11.3 检索和挖掘图像的特征 170
　　 11.3.1 颜色特征 170
　　 11.3.2 纹理特征 172
　　 11.3.3 形状特征 173
　　 11.3.4 拓扑结构 175
　　 11.3.5 多维索引 176
　　 11.3.6 简单CBIR系统的结果 177
　　 11.4 图像检索系统中的模糊相似性测度 179
　　 11.5 视频挖掘 180
　　 11.5.1 MPEG7：多媒体内容描述接口 181
　　 11.5.2 基于内容的视频检索系统 182
　　 11.6 本章小结 183
　　 参考文献 183
　　
　　第12章 生物医学与生物医学图像处理 185
　　 12.1 概述 185
　　 12.2 生物医学模式识别 185
　　 12.2.1 特征选择 186
　　 12.2.2 正面面部特征提取 186
　　 12.2.3 侧面面部特征提取 187
　　 12.2.4 人脸识别 188
　　 12.3 使用特征脸的人脸识别 188
　　 12.4 签名鉴别 190
　　 12.5 签名模式预处理 190
　　 12.6 生物医学图像分析 193
　　 12.6.1 显微图像分析 193
　　 12.6.2 宏观图像分析 193
　　 12.7 生物医学成像模态 193
　　 12.7.1 磁共振成像（MRI） 194
　　 12.7.2 计算机轴断层摄影术 194
　　 12.7.3 核与超声波成像 195
　　 12.8 X光成像 195
　　 12.8.1 用于肺疾病辨识的X光图像 195
　　 12.8.2 胸部X光增强 196
　　 12.8.3 用于肺结节检测的CT-扫描 196
　　 12.8.4 用于心脏病识别的X光图像 197
　　 12.8.5 用于先天性心脏病识别的X光图像 197
　　 12.8.6 用梯度算子增强胸部X光照片 197
　　 12.8.7 骨疾病识别 198
　　 12.8.8 肋骨篮识别 198
　　 12.9 牙齿X光图像分析 199
　　 12.10 牙龋齿分类 199
　　 12.11 乳腺X光照片图像分析 201
　　 12.11.1 乳腺超声波 201
　　 12.11.2 乳腺X光照片图像分析步骤 201
　　 12.11.3 乳腺X光照片增强 202
　　 12.11.4 可疑区域检测 202
　　 12.11.5 肿瘤分割 203
　　 12.11.6 特征选择与提取 205
　　 12.11.7 乳腺X照片图像的小波分析 205
　　 12.12 本章小结 206
　　参考文献 206
　　
　　第13章 遥感多光谱场景分析 209
　　 13.1 概述 209
　　 13.2 卫星传感器与影像 209
　　 13.2.1 LANDSAT卫星图像 210
　　 13.2.2 印度遥感卫星影像 210
　　 13.2.3 中分辨率成像光谱仪（MODIS） 211
　　 13.2.4 合成孔径雷达（SAR） 211
　　 13.3 多光谱图像的特征 212
　　 13.3.1 数字卫星影像的数据格式 212
　　 13.3.2 失真与校正 212
　　 13.4 不同地球对象的反射光谱 213
　　 13.4.1 水区域 213
　　 13.4.2 植被区域 213
　　 13.4.3 土壤 214
　　 13.4.4 人造/人工目标 214
　　 13.5 场景分类策略 215
　　 13.5.1 使用误差反向传播的基于神经网络的分类器 215
　　 13.5.2 对向传播网络 215
　　 13.5.3 试验与试验结果 216
　　 13.5.4 分类准确性 216
　　 13.6 基于知识方法的光谱分类 217
　　 13.6.1 自然/人造目标的光谱信息 217
　　 13.6.2 训练点选择与特征提取 217
　　 13.6.3 系统实现 218
　　 13.6.4 规则生成 218
　　 13.6.5 基于规则的开发 219
　　 13.7 空间推理 220
　　 13.7.1 证据积累 220
　　 13.7.2 空间规则生成 221
　　 13.8 遥感的其他应用 222
　　 13.9 本章小结 223
　　 参考文献 223
　　第14章 动态场景分析：运动对象的检测与跟踪 225
　　 14.1 概述 225
　　 14.2 问题定义 225
　　 14.3 自适应背景建模 225
　　 14.3.1 基本背景建模策略 226
　　 14.3.2 背景建模鲁棒性方法 226
　　 14.4 连通域标记 228
　　 14.5 阴影检测 229
　　 14.6 对象跟踪原理 229
　　 14.7 跟踪系统模型 230
　　 14.8 离散Kalman滤波 230
　　 14.9 扩展Kalman滤波 232
　　 14.10 基于对象跟踪的粒子滤波 234
　　 14.10.1 粒子属性 236
　　 14.10.2 粒子滤波器算法 236
　　 14.10.3 对象跟踪结果 237
　　 14.11 聚缩算法 237
　　 14.12 本章小结 238
　　参考文献 239
　　
　　第15章 图像压缩概述 241
　　 15.1 概述 241
　　 15.2 信息论概念 242
　　 15.2.1 离散无记忆模型与熵 242
　　 15.2.2 无噪声信源编码定理 243
　　 15.2.3 唯一判读 244
　　 15.3 压缩算法分类 245
　　 15.4 信源编码算法 246
　　 15.5 霍夫曼编码 247
　　 15.6 算术编码 249
　　 15.6.1 编码算法 249
　　 15.6.2 解码算法 251
　　 15.6.3 QM编码器 251
　　 15.7 本章小结 254
　　 参考文献 255
　　
　　第16章 JPEG静态图像压缩标准 256
　　 16.1 概述 256
　　 16.2 JPEG无损编码算法 257
　　 16.3 基线JPEG压缩 259
　　 16.3.1 色彩空间转换 260
　　 16.3.2 源图像数据阵列 260
　　 16.3.3 基线压缩算法 262
　　 16.3.4 DCT系数编码 262
　　 16.4 本章小结 268
　　 参考文献 268
　　
　　第17章 图像压缩的JPEG2000标准 269
　　 17.1 概述 269
　　 17.2 为什么使用JPEG2000 269
　　 17.3 部分JPEG标准 272
　　 17.4 JPEG2000概述：第一部分编码系统 272
　　 17.5 图像处理 273
　　 17.5.1 拼接 273
　　 17.5.2 DC电平偏移 273
　　 17.5.3 多尺度变换 273
　　 17.6 压缩 274
　　 17.6.1 离散小波变换 275
　　 17.6.2 量化 277
　　 17.6.3 感兴趣区域编码 278
　　 17.6.4 码率控制 280
　　 17.6.5 熵编码 280
　　 17.7 第二层编码与比特流格式 281
　　 17.8 本章小结 281
　　 参考文献 282
　　
　　第18章 JPEG2000标准中的编码算法 284
　　 18.1 概述 284
　　 18.2 编码的数据分割 284
　　 18.3 在JPEG2000中的第一层编码 285
　　 18.3.1 分数位平面编码 285
　　 18.3.2 BPC编码器举例 296
　　 18.3.3 二进制算术编码——MQ编码器 300
　　 18.4 JPEG2000的第二层编码 302
　　 18.4.1 比特流格式 303
　　 18.4.2 包头信息编码 305
　　 18.5 本章小结 306
　　 参考文献 307