新編數字圖像處理技術及應用

第1章概述
1．1什麼是數字圖像處理
1．1．1數字圖像處理的基本概念
1．1．2數字圖像處理技術的產生與發展
1．2數字圖像處理的主要任務與方法
1．2．1數字圖像處理的主要任務
1．2．2數字圖像處理的主要方法
1．2．3數字圖像處理技術的特點
1．3數字圖像處理的應用
1．3．1數字圖像處理的應用領域
1．3．2數字圖像處理的新發展
本章小結
思考與練習題
拓展訓練
第2章數字圖像處理的物理及技術基礎
2．1數字圖像獲取
2．1．1成像過程
2．1．2模擬圖像描述
2．1．3常用的圖像格式
2．1．4模擬圖像數字化
2．2數字圖像顯示及像質描述
2．2．1數字圖像顯示
2．2．2像質描述基本方法
2．3色度學基礎與顏色模型
2．3．1分辨率
2．3．2色度學基礎
2．3．3顏色模型
2．3．4彩色顯示
2．4數字圖像處理基礎
2．4．1灰度直方圖及其應用
2．4．2圖像處理系統及編程語言
本章小結
思考與練習題
拓展訓練
第3章數字圖像處理的數學基礎
3．1數字圖像的基本運算
3．1．1點運算
3．1．2代數運算
3．1．3幾何運算
3．2數字圖像的正交變換
3．2．1傅裏葉變換
3．2．2離散餘弦變換
3．2．3KL變換
3．2．4小波變換與多尺度分析
本章小結
思考與練習題
拓展訓練
第4章圖像增強
4．1空域增強
4．1．1基於點操作的圖像增強
4．1．2基於區域操作的圖像增強
4．2頻域增強
4．2．1低通濾波
4．2．2高通濾波
4．2．3同態濾波
4．3彩色增強
4．3．1偽彩色增強
4．3．2假彩色增強
4．3．3真彩色增強
*4．4圖像增強應用：侯馬盟書圖像增強
本章小結
思考與練習題
拓展訓練
第5章圖像編碼與壓縮
5．1概述
5．1．1圖像冗餘
5．1．2圖像壓縮
5．2圖像編碼的保真度準則
5．2．1客觀保真度準則
5．2．2主觀保真度準則
5．3無損壓縮編碼
5．3．1無損預測編碼
5．3．2哈夫曼編碼
5．3．3算術編碼
5．4有損壓縮編碼
5．4．1有損預測編碼
5．4．2變換編碼
5．5視頻圖像編碼標準
5．5．1 JPEG標準
5．5．2 MPEG標準
5．5．3 H．261標準
5．5．4 H．264標準
*5．6圖像壓縮編碼應用：分塊DCT編碼水印嵌入
本章小結
思考與練習題
拓展訓練
第6章圖像復原與重建
6．1概述
6．1．1圖像復原與圖像重建
6．1．2像質退化的原因
6．1．3連續圖像退化的數學模型
6．1．4離散圖像退化的數學模型
6．2典型的無約束復原圖像方法――逆濾波復原
6．3約束復原方法
6．3．1約束復原的基本原理
6．3．2維納濾波復原
6．3．3約束最小二乘濾波復原
6．4非線性複原
6．4．1最大後驗復原
6．4．2最大熵復原
6．4．3投影復原
6．4．4同態濾波復原
6．5幾何失真校正
6．5．1典型的幾何失真
6．5．2空間幾何坐標變換
6．5．3校正空間像素點灰度值的確定
*6．6圖像復原應用：壁畫文物虛擬修復
6．6．1修復過程
6．6．2主要算法
6．6．3修復結果
本章小結
思考與練習題
拓展訓練
第7章圖像分割
7．1概述
7．2圖像分割的定義與方法
7．2．1圖像分割定義
7．2．2圖像分割方法分類
7．3圖像的閾值分割法
7．3．1直方圖分割與圖像二值化
7．3．2圖像閾值分割的常用方法
7．4圖像的區域生長法
7．4．1傳統區域生長法
7．4．2無種子區域生長法
7．5基於邊緣的圖像分割方法
7．5．1邊緣檢測算法
7．5．2輪廓檢測算法――霍夫變換
7．6圖像分割應用
7．6．1圖像中數字的分割
7．6．2基於區域生長法的醫學影像分割
本章小結
思考與練習題
拓展訓練
第8章數學形態學在圖像處理中的應用
8．1概述
8．2基本概念和運算
8．2．1集合和元素
8．2．2交集、並集和補集
8．2．3腐蝕與膨脹
8．2．4開運算和閉運算
8．2．5擊中/擊不中變換（HMT）
8．3形態學基本運算在圖像處理中的應用
8．3．1計算像素連接數
8．3．2骨架抽取
*8．4形態學處理圖像應用實例：侯馬盟書碑文圖像骨架提取
本章小結
思考與練習題
拓展訓練
第9章圖像分析
9．1圖像表示
9．1．1邊界追蹤
9．1．2鏈碼
9．2圖像描繪
9．2．1邊界描繪
9．2．2區域描繪
9．2．3關係描繪
9．2．4相似性描繪
*9．3圖像紋理分析
9．3．1基於鄰域特徵統計的方法
9．3．2基於傅裏葉頻譜提取特徵
9．3．3基於灰度共生矩陣的方法
*9．4圖像分析應用：醫學圖像配準
9．4．1圖像配準的基本步驟
9．4．2醫學圖像配準
本章小結
思考與練習題
拓展訓練
第10章圖像識別
10．1圖像識別基礎
10．1．1模式識別過程
10．1．2模式識別方法
10．1．3圖像識別過程
10．1．4圖像識別應用
10．2傳統神經網絡的圖像識別
10．2．1感知機神經網絡
10．2．2 BP神經網絡
10．3捲積神經網絡的圖像識別
10．3．1捲積神經網絡基本結構
10．3．2捲積神經網絡訓練
10．3．3典型捲積神經網絡模型
*10．4圖像識別應用：手寫數字識別
10．4．1感知機實現手寫數字識別
10．4．2BP神經網絡實現手寫數字識別
本章小結
思考與練習題
拓展訓練
*第11章基於模型驅動法的圖像處理綜合應用
11．1圖像融合
11．1．1圖像融合概述
11．1．2像素級圖像融合過程
11．1．3圖像融合實例――雙色中波紅外圖像融合
11．2基於最低有效位方法的圖像加密
11．2．1算法步驟
11．2．2算法實現
11．2．3模擬結果分析
11．3圖像目標提取
11．3．1運動目標特徵提取步驟
11．3．2運動目標特徵提取實現
11．4基於圖像的三維繪製
11．4．1單幅圖像圖形化
11．4．2多幅圖像圖形化
11．5視頻圖像分析與目標動畫製作
11．5．1視頻圖像內容關聯性分析
11．5．2視頻圖像運動目標動畫製作
11．6圖像處理軟件開發
11．6．1準備工作
11．6．2圖形用戶界面設計
11．6．3系統代碼編輯
11．6．4壁畫文物虛擬修復展示系統
本章小結
思考與練習題
拓展訓練
*第12章基於深度學習的圖像處理綜合應用
12．1 CNN的Deep Network Designer實現
12．1．1加載使用預訓練的網絡
12．1．2定製搭建網絡結構
12．2基於Python的速採磁共振圖像重建
12．2．1 U-Net網絡架構
12．2．2圖像重建的Python實現
本章小結
思考與練習題
拓展訓練
附錄A 常用術語中英文對照
附錄B Python語言常用圖像處理函數
參考文獻