现代数字图像处理

本书特色

[

本书主要介绍现代数字图像处理的基本原理、主要技术和典型应用。 本书共15章，大致可分为四部分：*部分为第1章和第2章，内容是图像数字化基础。第二部分为第3章至第8章，介绍经典的图像处理原理和技术，包括图像的变换、增强、复原、小波、压缩和分割处理等。在上述基本图像处理的基础上，第三部分为第9章至第12章，分别介绍近来发展较快的图像特征描述、彩色图像处理、形态学图像处理和偏微分方程图像处理。第四部分为第13章至第15章，介绍近期已成为热门图像处理的新方法，包括图像的超分辨率重建、教育人工神经网络的图像处理和图像的压缩感知。

]

内容简介

[

本书主要介绍现代数字图像处理的基本原理、主要技术和典型应用, 共15章, 大致分为4部分。**部分为第1章和第2章, 介绍图像基本概念和数字化图像基础。第二部分为第3章至第8章, 介绍经典的图像处理原理和技术, 包括图像的变换、增强、复原、小波、压缩和分割处理等。第三部分为第9章至第12章, 介绍近来发展较快的图像特征描述、彩色图像处理、形态学图像处理和基于偏微分方程的图像处理。第四部分为第13章至第15章, 介绍近期已成为热门的图像处理新方法, 包括图像的超分辨率重建、基于人工神经网络的图像处理和图像压缩感知。

]

作者简介

[

作者一直在南京邮电大学从事图像与多媒体通信方面的教学与科研工作。 参加973课题（2007CB310600） 主持国家自然基金项目（61071091、60672134） 曾获国家科技3等奖，部级科技进步1等奖，南京市科技进步3等奖等； 曾获国家政府津贴，全国优秀教师称号； 曾获江苏省教学成果二等奖、精品教材奖、优秀课程奖等。 曾出版多部著作。

]

目录

**章 绪论1.1 数字图像处理1.1.1 图像处理的简要历程1.1.2 图像处理的内容1. 数字信号处理2. 图像处理的三个层面3. 本书的主要内容1.1.3 数字图像处理系统1.2 光和图像1.2.1 光学单位和成像原理1. 光学单位2. 成像机理1.2.2 什么是图像1.2.3 图像信息的特点1. 语音和文本信息2. 图像信息的特点3. 图像的数据量1.3 人眼视觉特性1.3.1 基本视觉机理1.人眼构造和视觉2.人眼视觉模型1.3.2 人眼视觉特性1. 亮度自适应特性2. 对比度敏感特性3. 同时对比度特性4. March带特性5. 视觉暂留特性1.4 图像质量评价1.4.1 主观评价方法1.4.2 客观评价方法1. 基于像素误差的评价2. 基于结构相似度的评价1.4.3 其它评价方法1. 基于感兴趣区域的评价2. 联合视听评价3. 无参考图像的评价4. 基于机器学习的评价第二章 数字图像基础2.1 连续图像2.1.1 连续图像函数2.1.2 常见图像种类2.1 连续图像的数字化2.2.1 二维图像频谱2.2.2 二维取样阵列1. 冲激函数2. 取样阵列2.2.3 连续图像的取样1. 二维取样定理2. 取样图像的重建2.2.4 取样值的量化2.2.5 量化值的编码2.2.6 量化失真2.2 混叠和亚取样2.3.1 混叠效应2.3.2 反混叠滤波2.3.3 亚取样2.3.4 实际取样脉冲影响2.3 数字图像的分辨率2.4.1 空间分辨率2.4.2 灰度分辨率2.4.3 时间分辨率2.4.4 综合考虑第三章 图像变换和分析3.1 二维线性系统 3.1.1 二维线性移不变系统3.1.2 二维离散卷积1. 一维离散卷积2. 一维卷积的矩阵表示3. 二维离散卷积4. 二维卷积的矩阵表示3.2 离散傅立叶变换 3.2.1 一维离散傅立叶变换3.2.2 二维离散傅立叶变换1. 二维DFT的定义2. 二维DFT的性质3. 二维DFT的实现3.3 离散余弦变换3.3.1 一维离散余弦变换3.3.2 二维离散余弦变换3.4 沃尔什和哈达玛变换 3.4.1 离散沃尔什变换1. 一维离散沃尔什变换2. 二维维离散沃尔什变换3.4.2 离散哈达玛变换1. 一维离散哈达玛变换2. 二维维离散哈达玛变换3.5 图像变换的矩阵表示3.5.1 通用变换核3.5.2 变换的矩阵表达式3.5.3 基本图像和基本频谱3.6 主分量分析3.6.1 PCA分析3.6.2 PCA重建3.6.3 图像的PCA压缩3.7 奇异值分解3.7.1 矩阵的奇异值分解3.7.2 SVD的简单说明3.7.3 图像的SVD3.7.4 SVD近似重建1. 用F范数分析重建误差2. 用外积分析重建误差3.7.5 SVD计算一例第四章 图像增强4.1 灰度变换4.1.1 线性灰度变换3. 灰度扩展4. 分段线性变换5. 线性变换实例4.1.2 非线性灰度变换4.2 直方图修正4.2.1 图像直方图4.2.2 直方图均衡1. 连续图像的均衡化2. 数字图像的均衡化3. 均衡化一例4.2.3 直方图匹配4.3 图像增晰4.3.1 图像锐化方法1. 高通滤波法2. 梯度算子法3. Sobel算子法4. 拉普拉斯算子法 4.3.2 同态滤波增晰4.3.3 Retinex图像增强1. 彩色衡常现象2. Retinex基础3. 单尺度Retinex算法4. 多尺度Retinex算法5. 低照度图像的Retinex增强6. Retinex和同态滤波4.3.4 雾天图像增晰1. 基于图像增强的方法2. 基于暗通道原理的方法4.4 图像去噪4.4.1 图像噪声1. 常见的图像噪声2. 图像噪声的分类3. 图像噪声的统计特性4.4.2 滤波去噪1. 低通滤波法2. 邻域平均法3. 中值滤波法4. 多幅图像平均法 4.4.3 BM3D图像去噪1. ML-Means去噪算法2. BM3D去噪算法第五章 图像复原5.1 图像降质分析5.3.1 图像的降值模型1. 连续图像的降质模型2. 离散图像的降质模型5.3.2 常见降质的传递函数1. 孔径衍射影响2. 相对运动影响3. 大气湍流影响5.3.3 降值模型的矩阵表示1. 一维模型的矩阵表示2. 二维模型的矩阵表示5.3.4 循环矩阵的对角化1. 循环矩阵的对角化2. 分块循环矩阵的对角化3. 对角化在降质模型中的应用5.2 无约束图像复原5.2.1 逆滤波图像复原5.2.2 运动模糊的消除1. 逆滤波复原2. 递推法复原5.2.3 无约束*小二乘方复原5.3 有约束图像复原5.3.1 有约束*小二乘方复原5.3.2 维纳滤波复原5.3.3 功率谱均衡复原5.3.4 平滑约束复原5.4 非线性图像复原5.4.1 *大后验概率复原5.4.2 *大熵复原5.5 图像的几何校正5.5.1 空间坐标的确定1. 转换函数法2. 小三角形线性法3. 二元多项式法 5.5.2 像素灰度的确定5.5.3 图像放大第六章 小波变换6.1 信号的时频分析6.1.1 信号空间1. 距离空间2. 线性空间3. 正交基和框架6.1.2 从傅立叶变换到时频分析1. 傅里叶变换的局限2. 视频分析6.1.3 Gable变换1. 加窗傅里叶变换2. 时宽和频宽6.1.4 小波的特点6.2 多分辨率分析6.2.1 尺度函数和尺度空间6.2.2 多分辨率分析6.2.3 小波分析1. 小波函数和小波空间2. 正交小波分解6.2.4 小波函数的构造1. 尺度函数和小波函数的正交性2. 二尺度方程3. 尺度向量和小波向量4. 构造小波函数6.3 连续小波变换6.3.1 连续函数的小波变换1. 小波基函数2. 一维连续小波变换3. 二维连续小波变换4. 连续小波变换的性质6.3.2 金字塔分解6.3.3 带通滤波器组1. 小波变换的带通等效2. 二维滤波器组6.3.4 子带滤波1. 子带分解和综合2. 从子带滤波到小波变换6.4 离散小波变换6.4.1 参数的离散化1. 离散小波变换2. 二进参数小波变换3. 小波基函数几例6.4.2 二维多分辨率分析6.4.3 二维离散小波变换1. 二维小波正变换2. 二维小波逆变换6.4.4 双正交小波变换1. 一维双正交小波变换2. 二维双正交小波变换6.4.5 小波变换的提升算法6.5 小波变换的应用6.5.1 小波函数的选取1. 正交性2. 紧支集3. 对称性4. 正则性5. 消失距6.5.2 图像去噪和增强6.5.3 图像压缩6.5.4 图像边缘检测6.5.5 图像融合第七章 图像压缩7.1 图像的相关特性7.2 预测编码和变换编码7.2.1 预测编码1. 预测编码原理2. *佳线性预测3. 帧间预测7.2.2 变换编码1. 改变数据分布2. 分块DCT变换7.3 静止图像压缩7.3.1 基于DCT的JPEG编码7.3.2 基于小波的JPEG2000编码7.4 活动图像压缩7.4.1 混合编码框架7.4.2 运动估计和运动补偿7.4.3 像素递归运动估计7.4.4 块匹配运动估计1. 全搜索算法2. 步快速搜索算法3. 分层运动估计算法7.5 量化和熵编码7.5.1 标量量化1. *小均方误差量化器2. 量化信噪比7.5.2 矢量量化1. 基本原理2. 码书的设计7.5.3 熵编码1. 哈夫曼编码2. 准变长编码7.5.4 算术编码1. 编码过程2. 解码过程7.5.5 指数Golomb编码7.6 有限失真编码定理7.6.1 图像的信息熵1. 无记忆信源熵2. 有记忆信源熵7.6.2 率失真定理1. 编码模型2. 平均互信息量3. 率失真函数4. 失真率函数5. 有记忆信源的处理7.6.3 图像的压缩性能1. 压缩比2. 平均码字长度3. 编码效率4. 冗余度第八章 图像分割8.1 图像分割的定义和方法 8.1.1 图像分割的定义8.1.2 图像分割的方法8.2 基于阈值的分割 8.2.1 全局阈值法1. 峰-谷法阈值选取2. 微分法阈值选取8.2.2 自适应阈值法8.2.3 统计*优阈值法8.2.4 *大类间方差法8.3 基于边界的分割8.3.1 LOG算子法8.3.2 Canny算子法8.3.3 边界跟踪法1. 边界的链码表示2. 逻辑运算获取边界8.3.4 边界拟合法8.4 基于区域的分割8.4.1 区域生长法1. 基本方法2. 改进方法8.4.2 分裂合并法1. 图像的四叉树表示2. 四叉树图像分割8.4.3 分水岭法1. 基本概念2. 克服过度分割8.5 基于遗传算法的分割8.5.1 遗传算法1. 编解码2. 初始种群3. 适应度函数4. 遗传操作5. 算法终止8.5.2 基于遗传算法的Otsu分割1. 类间方差2. 算法流程第九章 图像描述与配准9.1 图像的边界描述9.1.1 边界的链码表示9.1.2 边界的几何特性6. 距离7. 曲线长度8. 边界的凹凸性9. 边界的复杂性9.1.3 边界的统计矩描述1. 统计矩2. 边界的曲率9.1.4 边界的傅里叶描述子9.1.5 哈夫变换1. 直线的Hough变换2. Hough变换的推广9.2 图像的区域描述9.2.1 区域的几何特性1. 面积2. 重心9.2.2 区域的形状描述1. 矩形度2. 圆形度9.2.3 区域的纹理描述1. 纹理的自相关函数2. 灰度共生矩阵3. 共生矩阵的纹理特性9.3 图像配准9.3.1 图像配准基础1. 图像配准的目的2. 图像配准的数学描述3. 图像配准的分类9.3.2 基于灰度域的配准1. 空间变换模型2. 相似性测度准则3. 变换矩阵的寻优9.3.3 基于变换域的配准1. 相位相关法求平移参数2. 傅里叶-梅林变换求旋转和缩放参数9.3.4 基于特征点的配准1. 特征点配准的步骤2. 角点检测算法 9.3.5 基于Hough变换的配准9.4 SIFT配准算法9.4.1 SIFT算法框架1. SIFT配准过程2. SIFT算法优点3. SIFT特征提取9.4.2 初步定位特征点1. 高斯金字塔尺度空间2. 差分高斯尺度空间3. 极值点检测9.4.3 精确定位特征点1. 极值点的精确定位2. 低对比度极值点去除3. 边缘响应点去除9.4.4 确定特征点主方向9.4.5 SIFT特征描述子9.4.6 SIFT特征点匹配1. *近邻匹配2. *近邻次近邻匹配9.4.7 SURF特征描述子1. 确定主方向2. 形成描述子第十章 彩色图像处理10.1 彩色空间表示10.1.1 色度学基础1. 彩色的基本属性2. 三基色原理3. 彩色视觉机理10.1.2 常见的彩色空间表示1. CIE XYZ彩色空间2. RGB彩色空间3. HIS彩色空间4. Y/B-Y/R-Y彩色空间5. CIE-L*a*b*彩色空间6. CMY彩色空间10.1.3 彩色空间转换1. RGB到HIS彩色转换2. HIS到RGB彩色转换3. CIE-L*a*b*到CIE-XYZ彩色转换10.2 基本彩色图像处理10.2.1 彩色平衡1. 白平衡2. 彩色补偿10.2.2 彩色图像增强1. 彩色视觉特性考虑2. 彩色增强3. 去噪滤波10.2.3 彩色图像分割1. 转化为灰度图像分割2. 基于直方图阈值的分割3. 基于边缘检测的分割4. 基于区域生长的分割5. 基于彩色聚类的分割10.3 灰度图像的伪彩色处理10.3.1 灰度域伪彩色处理1. 离散灰度的伪彩色变换2. 连续灰度的伪彩色变换10.3.2 频率域伪彩色处理10.4 灰度图像的彩色化10.4.1 基于距离的半自动彩色化1. 距离变换2. 距离加权的彩色混合3. 彩色化一例10.4.2 基于彩色传递的自动彩色化第十一章 形态学图像处理11.1 数学形态学基础11.1.1 基本集合定义11.1.2 图像空间的集合表示11.1.3 形态学运算过程1. 集合之间的关系2. 结构元素11.2 二值图像形态学处理11.2.1 二值腐蚀和膨胀运算1. 二值腐蚀2. 二值膨胀3. 二值腐蚀和膨胀的性质11.2.2 二值开启和闭合运算1. 二值开启和闭合2. 二值开启和闭合的性质11.2.3 击中/击不中运算1. 击中/击不中运算步骤2. 击中/击不中运算一例11.3 二值图像形态学处理的应用11.3.1 细化与厚化处理1. 二值细化2. 二值厚化11.3.2 滤波与去噪处理1. 二值滤波2. 二值去噪11.3.3 边缘提取与区域填充1. 二值边缘提取2. 二值区域填充11.4 灰度图像形态学处理11.4.1 灰度腐蚀和膨胀运算1. 灰度膨胀2. 灰度腐蚀11.4.2 灰度开启和闭合运算1. 灰度开启和闭合2. 灰度开启和闭合的应用第十二章 PDE图像处理12.1 偏微分方程基础12.1.1 偏微分方程1. 偏微分方程定义2. 常见偏微分方程3. 初始条件与边界条件4. 偏微分方程的解5. 偏微分方程的差分近似12.1.2 泛函和变分1. 泛函的定义2. 泛函的变分3. 泛函极值和欧拉方程12.1.3 全变分处理12.1.4 梯度下降流1. 梯度下降流方程2. 梯度下降流和扩散方程12.1.5 PDE处理的特点12.2 PDE图像去噪12.2.1 各向异性P-M模型12.2.2 TV模型去噪1. 变分法去噪2. Tikhonove模型3. 更一般的方法12.3 PDE图像放大12.3.1 像放大的热传导方程12.3.2 差分计算12.4 PDE图像分割12.4.1 参数活动轮廓模型1. 能量方程2. 能量极小化过程12.4.2 几何活动轮廓模型1. Mumford-Shah模型2. C-V模型3. 参数模型和几何模型的比较12.5 PDE图像修复12.5.1 图像修复的要求12.5.1 TV模型修复第十三章 图像超分辨率重建13.1 基于插值的重建13.1.1 图像的空间分辨率13.1.2 主要理论基础1. 信息叠加理论2. 解析延拓理论3. 非线性操作13.1.3 分辨率下降模型13.1.4 反问题的正则化求解1. 正则化方法2. 正则化参数的影响13.1.5 超分辨率重建的三类方法13.1.6 超分辨率重建的应用13.2 基于插值的超分辨率方法13.2.1 *近邻插值13.2.2 双线性插值13.2.3 双立方插值13.2.4 核回归插值1. 一维核回归2. 二维核回归3. 自适应核回归13.3 基于重建的超分辨率方法13.3.1 凸集投影（POCS）方法1. POCS基本原理2. POCS的约束凸集13.3.2 *大后验概率（MAP）方法1. *大后验概率估计2. 基于MAP的超分辨率重建13.3.3 迭代反向投影（IBP）方法13.4 基于学习的超分辨率方法13.4.1 邻域嵌入的方法1. 流形学习2. 建立训练集3. NE重建13.4.2 非局部滤波的方法1. 非局部相似性2. 非局部滤波处理13.4.3 基于样例的方法1. 建立训练集2. 插值图像小块的处理3. Markov网络模型13.4.4 基于稀疏表示的方法1. 稀疏表示和重建原理2. 稀疏重建的步骤第十四章 ANN图像处理14.1 人工神经网络14.1.1 人工神经元1. 从生物神经元到人工神经元2. 激活函数14.1.2 人工神经网络1. 感知机2. 从感知机到神经网络14.1.3 神经网络的工作过程1. 神经网络的类型2. 神经网络的学习方式3. 局部极值与全局极值14.1.4 常见神经网络1. RBF网络2. ART网络3. SOM网络4. 级连相关网络5. Elma网络6. Boltzmann机14.1.5 神经网络的特点和应用1. 人工神经网络的特点2. 人工神经网络的应用14.2 BP网络14.2.1 BP网络的算法结构14.2.2 BP网络权值的迭代估计14.2.3 BP算法流程BP14.2.4 BP网络的几个问题14.3 基于CNN的图像处理14.3.1 深度学习网络14.3.2 卷积神经网络结构1. CNN结构2. 局部连接3. 权值共享4. 结果池化14.3.3 CNN一例14.3.4 卷积层14.3.5 池化层14.3.6 全连接层14.4 基于GAN的图像处理14.4.1 生成模型和判别模型14.4.2 GAN的基本原理14.4.3 GAN的工作过程14.4.4 GAN的学习方法1. GAN的训练机制2. GAN的全局*优解和收敛性14.4.5 GAN的特点14.4.6 GAN的应用1. 图像超分辨率2. 图像翻译3. 图像生成第十五章 图像压缩感知15.1 压缩感知基础15.1.1 从传统压缩到感知压缩15.1.2 信号的稀疏表示15.1.3 稀疏信号的测量1. 测量矩阵的要求2. 常见的测量矩阵15.1.4 感知信号的重建15.2 从测量值重建原信号15.2.1 信号重建的基本概念1. 矢量的范数2. 三维信号的CS重建3. 多维信号的CS重建15.2.2 典型的重建算法1. 正交匹配追踪算法2. 梯度投影算法3. 全变分重建算法15.3 视频压缩感知15.3.1 全感知和压缩感知15.3.2 视频压缩感知系统15.3.3 分块视频压缩感知1. 预处理2. CS测量3. 量化和熵编码4. CS重建5. 运动估计和预测模式6. 图像输出

封面

书名:现代数字图像处理

作者:朱秀昌，唐贵进编著

页数:456页

定价:¥198.0

出版社:人民邮电出版社

出版日期:2020-05-01

ISBN:9787115520395

PDF电子书大小:78MB 高清扫描完整版