定 價:59 元
叢書名:面向CS2013計算機專業(yè)規(guī)劃教材
- 作者:姚敏等
- 出版時間:2017/9/1
- ISBN:9787111575962
- 出 版 社:機械工業(yè)出版社
- 中圖法分類:TN911.73
- 頁碼:383
- 紙張:膠版紙
- 版次:3
- 開本:16開
本書詳細介紹了數(shù)字圖像處理的基本理論、主要技術(shù)和新進展。全書共分13章,其內(nèi)容主要包括圖像獲取、圖像變換、圖像增強、圖像復(fù)原、彩色圖像處理技術(shù)、圖像編碼、小波圖像壓縮、圖像檢測與分割、圖像表示與描述、圖像特征優(yōu)化、圖像識別、圖像檢索與過濾等。本書堅持理論與實際相結(jié)合的原則,理論分析深入淺出,方法介紹詳細具體,實例演示清晰明了,同時給出了部分關(guān)鍵算法的MATLAB實現(xiàn)程序,這些正是本書的重要特色。
前言圖像是人類最重要的常用信息之一。數(shù)字圖像處理就是通過計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征、分類識別等處理的方法和技術(shù)。數(shù)字圖像處理技術(shù)的研究內(nèi)容涉及光學、微電子學、信息學、統(tǒng)計學、數(shù)學、計算機科學等領(lǐng)域,是一門綜合性很強的交叉學科。隨著科學技術(shù)的發(fā)展,數(shù)字圖像處理技術(shù)受到了高度重視并取得了長足的發(fā)展,在科學研究、工農(nóng)業(yè)生產(chǎn)、醫(yī)療診斷、航空航天、生物醫(yī)學工程、交通、通信、氣象、軍事、公安、媒體、文教等眾多領(lǐng)域得到了廣泛的應(yīng)用,取得了巨大的社會效益與經(jīng)濟效益。特別是隨著人類進入數(shù)字化網(wǎng)絡(luò)時代,數(shù)字圖像處理已經(jīng)成為日常生活中不可缺失的重要部分。
同時,數(shù)字圖像處理已經(jīng)成為高等院校電子信息工程、通信工程、信號與信息處理、計算機應(yīng)用與軟件等學科的一門重要的專業(yè)課。本書正是作者根據(jù)多年來從事數(shù)字圖像處理的教學與研究工作經(jīng)驗編寫而成。本書堅持理論聯(lián)系實際的編寫方針,既注重理論分析,又關(guān)注關(guān)鍵算法的Matlab實現(xiàn),力求做到理論分析概念嚴謹、模型論證簡明扼要、實例演示清晰明了。希望通過本書的學習,讀者能夠全面了解數(shù)字圖像處理的基本概念、理論與方法,為今后在工作崗位上開展圖像處理技術(shù)研究與應(yīng)用奠定良好的理論基礎(chǔ),以適應(yīng)飛速發(fā)展的信息時代。
全書共13章,可以分成四個部分。其中第一部分是本書的基礎(chǔ),包括第1~3章,簡要敘述數(shù)字圖像處理的基本概念,介紹圖像采樣、圖像量化以及各種圖像變換技術(shù);第二部分是基本的圖像處理技術(shù),包括第4~6章,介紹圖像增強、圖像復(fù)原和彩色圖像處理技術(shù);第三部分是圖像編碼,即第7章,主要介紹各種常用圖像壓縮編碼技術(shù),特別是小波圖像壓縮編碼技術(shù);第四部分是圖像挖掘,包括第8~13章,主要介紹圖像檢測、圖像分割、圖像表示、圖像描述、圖像特征優(yōu)化、圖像識別、圖像語義分析和圖像檢索等。
本書是在第2版的基礎(chǔ)上修訂并增加圖像語義分析等內(nèi)容形成的。其中第4章和第7章由郁曉紅(浙江工商大學)修訂,第8章和第10章由朱蓉(嘉興學院)修訂,其余部分由姚敏修訂編寫。在本書修訂編寫過程中參考了大量的圖像處理文獻,特別是江志偉博士和易文晟博士的學位論文,作者對這些文獻的作者表示真誠的謝意。
由于作者水平有限,書中難免有不當之處,敬請讀者批評指正。
作者2016年冬于杭州求是園
浙江大學計算機學院教授,在計算智能、數(shù)字圖像處理、模糊系統(tǒng)研究方面取得了許多獨創(chuàng)性成果。長期主講本科生課程“信號與系統(tǒng)”,研究生課程“人工智能引論”、“生物智能與算法”以及博士生“計算機技術(shù)前沿”講座。還主講過“數(shù)字圖像處理”、“模糊信息處理”、“模式識別”等課程。
目錄
前言
教學建議
第1章緒論
1.1圖像及其分類
1.1.1圖像的特點
1.1.2圖像的分類
1.2數(shù)字圖像處理技術(shù)與應(yīng)用
1.2.1數(shù)字圖像處理的主要內(nèi)容
1.2.2數(shù)字圖像處理方法
1.2.3數(shù)字圖像處理技術(shù)的應(yīng)用
1.3數(shù)字圖像處理系統(tǒng)
1.4Matlab簡介
1.5本書概要
習題
第2章圖像獲取
2.1概述
2.2連續(xù)圖像模型
2.2.1連續(xù)圖像的表達式
2.2.2連續(xù)圖像的隨機表征
2.3連續(xù)圖像的頻譜
2.3.1一維連續(xù)傅里葉變換
2.3.2二維連續(xù)傅里葉變換
2.4圖像采樣
2.4.1采樣定理
2.4.2圖像采樣
2.5圖像量化
2.5.1量化器模型
2.5.2標量量化
2.5.3向量量化
2.6數(shù)字圖像中的基本概念
2.6.1數(shù)字圖像的表示
2.6.2空間與灰度級分辨率
2.6.3像素間的基本關(guān)系
小結(jié)
習題
第3章圖像變換
3.1概述
3.2一維離散傅里葉變換
3.2.1離散傅里葉變換
3.2.2離散傅里葉變換的性質(zhì)
3.3一維快速傅里葉變換
3.3.1一維快速傅里葉變換的基本思想
3.3.2一維快速傅里葉變換算法
3.4二維離散傅里葉變換
3.4.1二維離散傅里葉變換的定義
3.4.2二維離散傅里葉變換的性質(zhì)
3.4.3二維快速離散傅里葉變換
3.4.4二維快速傅里葉變換的Matlab實現(xiàn)
3.4.5可分離圖像變換的概念
3.5離散余弦變換
3.5.1一維離散余弦變換
3.5.2一維快速離散余弦變換算法
3.5.3二維離散余弦變換
3.5.4離散余弦變換的Matlab實現(xiàn)
3.5.5離散余弦變換的應(yīng)用
3.6沃爾什變換和哈達瑪變換
3.6.1離散沃爾什變換
3.6.2離散哈達瑪變換
3.6.3快速哈達瑪變換算法
3.7霍特林變換
3.8拉東變換
3.8.1拉東變換概述
3.8.2拉東變換的Matlab實現(xiàn)
小結(jié)
習題
第4章圖像增強
4.1概述
4.2空域點處理增強
4.2.1直接灰度變換
4.2.2直方圖修正
4.2.3圖像間的運算
4.3空域濾波增強
4.3.1平滑濾波器
4.3.2銳化濾波器
4.4頻域濾波增強
4.4.1低通濾波器
4.4.2高通濾波器
4.4.3同態(tài)濾波器
小結(jié)
習題
第5章圖像復(fù)原
5.1概述
5.2圖像退化模型
5.2.1退化模型
5.2.2連續(xù)函數(shù)退化模型
5.2.3離散退化模型
5.2.4循環(huán)矩陣對角化
5.3退化函數(shù)估計
5.3.1圖像觀察估計法
5.3.2試驗估計法
5.3.3模型估計法
5.4逆濾波
5.4.1無約束復(fù)原
5.4.2逆濾波復(fù)原
5.4.3消除勻速運動模糊
5.5維納濾波
5.5.1有約束濾波
5.5.2維納濾波復(fù)原
5.5.3維納濾波的Matlab實現(xiàn)
5.6約束最小二乘方濾波
5.6.1濾波模型
5.6.2約束最小二乘方濾波的Matlab實現(xiàn)
5.7從噪聲中復(fù)原
5.7.1噪聲模型
5.7.2空域濾波復(fù)原
5.7.3頻域濾波復(fù)原
5.8幾何失真校正
5.8.1空間變換
5.8.2灰度插值
5.8.3幾何失真圖像配準復(fù)原
小結(jié)
習題
第6章彩色圖像處理
6.1概述
6.2彩色基礎(chǔ)
6.2.1人眼的構(gòu)造
6.2.2三色成像
6.3顏色模型
6.3.1RGB模型
6.3.2CMY模型和CMYK模型
6.3.3HSI模型
6.4全彩色圖像處理
6.4.1彩色圖像增強
6.4.2彩色圖像復(fù)原
6.4.3彩色圖像分析
6.5偽彩色處理
6.5.1密度分層法
6.5.2灰度級彩色變換法
6.5.3頻域濾波法
小結(jié)
習題
第7章圖像編碼
7.1概述
7.1.1圖像數(shù)據(jù)的冗余
7.1.2圖像的編碼質(zhì)量評價
7.2信息論基礎(chǔ)與熵編碼
7.2.1離散信源的熵表示
7.2.2離散信源編碼定理
7.2.3赫夫曼編碼
7.2.4香農(nóng)費諾編碼
7.2.5算術(shù)編碼
7.2.6行程編碼
7.3LZW算法
7.4預(yù)測編碼
7.4.1無損預(yù)測編碼
7.4.2有損預(yù)測編碼
7.5變換編碼
7.5.1變換選擇
7.5.2子圖像尺寸選擇
7.5.3位分配
7.5.4一個DCT編碼實例
7.6基于矢量量化技術(shù)的圖像編碼
7.6.1矢量量化原理
7.6.2矢量量化過程
7.7小波圖像編碼
7.7.1數(shù)字圖像的小波分解
7.7.2小波基的選擇
7.7.3小波變換域小波系數(shù)分析
7.7.4小波編碼方法
小結(jié)
習題
第8章圖像檢測與分割
8.1概述
8.2邊緣檢測
8.2.1梯度算子
8.2.2高斯拉普拉斯算子
8.2.3坎尼邊緣檢測算子
8.3邊界跟蹤
8.3.1空域邊界跟蹤
8.3.2霍夫變換
8.4閾值分割
8.4.1人工選擇法
8.4.2自動閾值法
8.4.3分水嶺算法
8.5區(qū)域分割
8.5.1區(qū)域生長法
8.5.2區(qū)域分裂法
8.5.3區(qū)域合并法
8.5.4區(qū)域分裂合并法
8.6形變模型
8.6.1參數(shù)活動輪廓模型
8.6.2幾何活動輪廓模型
8.6.3形變模型的擴展形式
8.7運動分割
8.7.1背景差值法
8.7.2圖像差分法
8.7.3基于光流的分割方法
8.7.4基于塊的運動分割方法
小結(jié)
習題
第9章圖像表示與描述
9.1概述
9.2圖像表示
9.2.1鏈碼
9.2.2邊界分段
9.2.3多邊形近似
9.2.4標記圖
9.2.5骨架
9.3邊界描述
9.3.1一些簡單的描述子
9.3.2形狀數(shù)
9.3.3傅里葉描述子
9.3.4統(tǒng)計矩
9.4區(qū)域描述
9.4.1一些簡單的描述子
9.4.2紋理
9.4.3不變矩
9.5數(shù)學形態(tài)學描述
9.5.1膨脹和腐蝕
9.5.2開啟和閉合
9.5.3數(shù)學形態(tài)學對圖像的操作
小結(jié)
習題
第10章圖像特征優(yōu)化
10.1概述
10.2基于選擇的特征優(yōu)化
10.2.1可分離性判據(jù)
10.2.2搜索選擇策略
10.2.3基于遺傳算法的特征選擇
10.3基于統(tǒng)計分析的特征優(yōu)化
10.3.1主成分分析
10.3.2獨立分量分析
10.3.3線性判別分析
10.3.4多維尺度分析
10.4基于流形學習的特征優(yōu)化
10.4.1流形學習的基本原理
10.4.2核主成分分析
10.4.3局部線