新書推薦:
《
人民币国际化报告2024:可持续全球供应链体系与国际货币金融变革
》
售價:NT$
398.0
《
道德经新注 81幅作者亲绘哲理中国画,图文解读道德经
》
售價:NT$
653.0
《
清俗纪闻
》
售價:NT$
449.0
《
镜中的星期天
》
售價:NT$
347.0
《
世界前沿技术发展报告2024
》
售價:NT$
857.0
《
可转债——新手理财的极简工具
》
售價:NT$
296.0
《
新加坡教育:神话与现实
》
售價:NT$
439.0
《
“口袋中的世界史”第一辑·冷战中的危机事件
》
售價:NT$
1326.0
|
內容簡介: |
本书在2019年出版的《数字图像处理及MATLAB实现(第3版)》基础上,结合当今机器学习算法的最新发展,修改、补充和完善而成。书中主要介绍了数字图像处理的基础知识、基本方法、程序实现和典型实践应用。全书分为三个部分,共12章。第一部分(第1~4章)介绍数字图像处理的基础知识;第二部分(第5~8章)介绍数字图像处理的各种技术;第三部分(第9~12章)介绍数字图像处理的扩展内容,包括基于深度学习的图像处理技术和工程应用案例等。每章分别介绍问题的背景、基本内容和方法、实践应用(通过MATLAB软件编程)及结果分析。本书内容系统性强,重点突出,理论与方法并重。
|
關於作者: |
杨杰,女,博士研究生,武汉理工大学信息工程学院教授。主要研究方向为信息传输理论及应用,数字图像处理及模式识别。出版教材两部,在国内外主要刊物上发表的学术论文多篇,主持科研项目多项。
|
目錄:
|
目 录 第一部分 数字图像处理基础 第1章 概述1 1.1 数字图像处理及特点1 1.1.1 数字图像及数字图像处理1 1.1.2 数字图像处理的特点2 1.2 数字图像处理系统2 1.3 数字图像处理的研究内容3 1.4 数字图像处理的应用及发展4 1.4.1 数字图像处理的应用4 1.4.2 数字图像处理的发展7 1.5 全书内容简介8 习题9 第2章 数字图像处理基础10 2.1 人类视觉系统10 2.1.1 视觉系统的基本构造10 2.1.2 亮度适应及鉴别11 2.2 数字图像基础知识14 2.2.1 图像的数字化及表达14 2.2.2 图像获取16 2.2.3 像素间的基本关系18 2.2.4 图像分类20 习题24 第3章 数字图像处理基本运算25 3.1 点运算25 3.1.1 线性点运算25 3.1.2 非线性点运算27 3.2 代数运算及逻辑运算28 3.2.1 加法运算29 3.2.2 减法运算30 3.2.3 乘法运算32 3.2.4 除法运算32 3.2.5 逻辑运算33 3.3 几何运算34 3.3.1 图像的平移34 3.3.2 图像的镜像35 3.3.3 图像的旋转37 3.3.4 图像的缩放38 3.3.5 灰度重采样41 习题44 第4章 图像变换45 4.1 连续傅里叶变换45 4.2 离散傅里叶变换46 4.3 快速傅里叶变换47 4.4 傅里叶变换的性质48 4.4.1 可分离性48 4.4.2 平移性质49 4.4.3 周期性及共轭对称性51 4.4.4 旋转性质52 4.4.5 分配律53 4.4.6 尺度变换53 4.4.7 平均值54 4.4.8 卷积定理55 4.5 图像傅里叶变换实例56 4.6 其他离散变换58 4.6.1 离散余弦变换58 4.6.2 二维离散沃尔什-哈达玛变换61 4.6.3 卡胡南-拉维变换65 4.6.4 小波变换67 习题71 第二部分 数字图像处理技术 第5章 图像增强73 5.1 图像增强的概念及分类73 5.2 空间域图像增强74 5.2.1 基于灰度变换的图像增强74 5.2.2 基于直方图处理的图像增强77 5.2.3 空间域滤波增强82 5.3 频率域图像增强89 5.3.1 频率域图像增强基本理论89 5.3.2 频率域平滑滤波器90 5.3.3 频率域锐化滤波器94 5.3.4 同态滤波器96 习题98 第6章 图像复原100 6.1 图像复原及退化模型基础100 6.1.1 图像退化的原因及退化模型100 6.1.2 图像退化的数学模型103 6.1.3 复原技术的概念及分类104 6.2 噪声模型104 6.2.1 一些重要噪声的概率密度函数105 6.2.2 噪声参数的估计108 6.3 空间域滤波复原109 6.3.1 均值滤波器109 6.3.2 顺序统计滤波器112 6.3.3 自适应滤波器115 6.4 频率域滤波复原118 6.4.1 带阻滤波器118 6.4.2 带通滤波器121 6.4.3 其他频率域滤波器121 6.5 估计退化函数122 6.5.1 观察估计法123 6.5.2 试验估计法123 6.5.3 模型估计法123 6.6 逆滤波125 6.7 最小均方误差滤波——维纳滤波126 6.8 几何失真校正129 6.8.1 空间变换130 6.8.2 灰度插值132 6.8.3 实现132 习题135 第7章 图像压缩编码137 7.1 概述137 7.1.1 图像的信息量及信息熵137 7.1.2 图像数据冗余138 7.1.3 图像压缩编码方法141 7.1.4 图像压缩技术的性能指标141 7.1.5 保真度准则143 7.2 无失真图像压缩编码144 7.2.1 哈夫曼编码144 7.2.2 游程编码146 7.2.3 算术编码148 7.3 有限失真图像压缩编码151 7.3.1 率失真函数151 7.3.2 预测编码及变换编码153 7.3.3 矢量量化编码160 7.4 图像编码新技术162 7.4.1 子带编码162 7.4.2 模型基编码163 7.4.3 分形编码164 7.5 图像压缩技术标准164 7.5.1 概述165 7.5.2 JPEG压缩165 7.5.3 JPEG 2000166 7.5.4 H.26x标准168 7.5.5 MPEG标准168 习题169 第8章 图像分割171 8.1 概述171 8.2 边缘检测及连接172 8.2.1 边缘检测172 8.2.2 边缘连接180 8.3 阈值分割183 8.3.1 基础183 8.3.2 全局阈值184 8.3.3 自适应阈值189 8.3.4 最佳阈值的选择189 8.3.5 分水岭算法190 8.4 区域分割192 8.4.1 区域生长法192 8.4.2 区域分裂合并法194 8.5 二值图像处理196 8.5.1 数学形态学图像处理197 8.5.2 开运算及闭运算200 8.5.3 一些基本形态学算法202 习题205 第三部分 数字图像处理扩展内容 第9章 彩色图像处理207 9.1 彩色图像基础207 9.1.1 彩色图像的概念207 9.1.2 彩色基础208 9.2 彩色模型212 9.2.1 RGB彩色模型212 9.2.2 CMY彩色模型及CMYK彩色模型214 9.2.3 HSI彩色模型215 9.3 伪彩色处理218 9.3.1 背景218 9.3.2 强度分层219 9.3.3 灰度级到彩色变换221 9.3.4 假彩色处理223 9.4 全彩色图像处理224 9.4.1 全彩色图像处理基础224 9.4.2 彩色平衡225 9.4.3 彩色图像增强227 9.4.4 彩色图像平滑229 9.4.5 彩色图像锐化231 9.5 彩色图像分割232 9.5.1 HSI彩色空间分割233 9.5.2 RGB彩色空间分割233 9.5.3 彩色边缘检测235 9.6 彩色图像处理的应用238 9.6.1 去红眼239 9.6.2 肤色检测239 9.6.3 基于彩色的跟踪240 习题241 第10章 图像表示及描述243 10.1 背景243 10.2 颜色特征244 10.2.1 灰度特征244 10.2.2 直方图特征245 10.2.3 颜色矩246 10.3 纹理特征246 10.3.1 自相关函数247 10.3.2 灰度差分统计248 10.3.3 灰度共生矩阵250 10.3.4 频谱特征253 10.4 边界特征255 10.4.1 边界表达255 10.4.2 边界特征描述259 10.5 区域特征262 10.5.1 简单的区域描述262 10.5.2 拓扑描述266 10.5.3 形状描述267 10.5.4 矩268 10.6 主成分271 10.6.1 主成分基础271 10.6.2 主成分描述273 10.7 特征提取的应用275 10.7.1 粒度测定275 10.7.2 圆形目标判别278 10.7.3 运动目标特征提取279 习题281 第11章 基于深度学习的数字图像处理283 11.1 深度学习概述283 11.1.1 深度学习的基本思想283 11.1.2 深度学习的优势284 11.2 卷积神经网络284 11.2.1 卷积神经网络架构285 11.2.2 卷积层285 11.2.3 池化层287 11.2.4 全连接层287 11.3 基于深度学习的图像分类288 11.3.1 基本原理288 11.3.2 经典图像分类网络290 11.3.3 图像分类网络的MATLAB实现292 11.4 基于深度学习的图像去噪295 11.4.1 基本原理295 11.4.2 经典图像去噪网络296 11.4.3 图像去噪网络的MATLAB实现297 11.5 基于深度学习的图像压缩300 11.5.1 基本原理300 11.5.2 图像压缩网络的MATLAB实现301 11.6 基于深度学习的图像分割303 11.6.1 基本原理304 11.6.2 经典图像分割网络305 11.6.3 图像分割网络的MATLAB实现306 习题307 第12章 数字图像处理的工程应用308 12.1 基于图像处理的红细胞数目检测308 12.2 基于肤色分割及灰度积分算法的人眼定位310 12.3 基于DCT的数字水印算法315 12.4 基于BP神经网络的手写汉字识别321 12.5 基于卡尔曼滤波的多目标检测及跟踪329 参考文献338
|
|