現(xiàn)代圖像處理學(xué)導(dǎo)論
定 價(jià)：99 元
叢書(shū)名：工業(yè)和信息化部“十四五”規(guī)劃教材
當(dāng)前圖書(shū)已被 9 所學(xué)校薦購(gòu)過(guò)！
查看明細(xì)
- 作者：肖亮，楊勁翔，劉芳
- 出版時(shí)間：2023/12/1
- ISBN：9787030770134
- 出 版 社：科學(xué)出版社
- 中圖法分類(lèi)：TN911.73
- 頁(yè)碼：288
- 紙張：
- 版次：31
- 開(kāi)本：16
數(shù)字圖像處理是計(jì)算機(jī)大類(lèi)高年級(jí)本科生和低年級(jí)研究生的數(shù)據(jù)類(lèi)重要課程。本書(shū)面向算法解析和工程建模能力培養(yǎng)，介紹圖像處理、圖像認(rèn)知和建模的基本方法，集中介紹圖像處理的基本算法。本書(shū)共10 章，介紹成像科學(xué)和圖像處理基本概念，以及二維信號(hào)線性系統(tǒng)基本建模方法，系統(tǒng)概述卷積、濾波、增強(qiáng)、復(fù)原、邊緣檢測(cè)、頻域分析和分割等基本算法的建模思想，最后論述圖像基本特征計(jì)算、模式分析和初步的深度學(xué)習(xí)方法。不同于現(xiàn)行的圖像處理教程，本書(shū)更為強(qiáng)調(diào)對(duì)圖像處理算法的數(shù)學(xué)建模和原理剖析，并通過(guò)小矩陣等方式進(jìn)行演算，力求揭示和解析算法背后的機(jī)制，并在最后一章給出代表性算法的Python 語(yǔ)言實(shí)現(xiàn)。每章配備擴(kuò)展閱讀、習(xí)題和小故事，以幫助讀者深入地學(xué)習(xí)。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
前言
第1章 緒論 1
1.1 認(rèn)識(shí)圖像 1
1.1.1 圖像信息 1
1.1.2 數(shù)字圖像 2
1.2 電磁波成像科學(xué)與圖像處理應(yīng)用 4
1.2.1 可見(jiàn)光、紅外成像及其應(yīng)用 4
1.2.2 X 射線成像與應(yīng)用 6
1.2.3 γ 射線成像與應(yīng)用 8
1.2.4 微波成像與應(yīng)用 8
1.2.5 無(wú)線電波成像與應(yīng)用 9
1.2.6 其他成像與應(yīng)用 9
1.2.7 計(jì)算機(jī)合成圖像與應(yīng)用 11
1.3 圖像傳感器技術(shù) 11
1.4 與圖像處理緊密相關(guān)的學(xué)科方向 12
1.4.1 圖像處理和計(jì)算機(jī)視覺(jué) 12
1.4.2 圖像處理、模式識(shí)別與機(jī)器學(xué)習(xí) 13
1.5 與數(shù)字圖像處理相關(guān)的出版物 15
1.6 圖像處理的編程工具與開(kāi)源工程 16
1.6.1 MATLAB 16
1.6.2 Scilab 16
1.6.3 OpenCV 與其他 18
擴(kuò)展閱讀 19
習(xí)題 19
小故事 機(jī)遇總是垂青有準(zhǔn)備的人——倫琴與 X 射線 20
第2章 圖像處理概要 21
2.1 圖像函數(shù)與圖像形成 21
2.1.1 圖像函數(shù) 21
2.1.2 圖像形成基本過(guò)程 22
2.2 圖像數(shù)字化基本概念 23
2.3 圖像的采樣 24
2.3.1 采樣 24
2.3.2 頻譜混疊 26
2.4 圖像的量化 26
2.4.1 標(biāo)量量化的基本原理 27
2.4.2 Lloyd-Max 量化器 (最小均方誤差量化器) 29
2.4.3 向量量化的基本原理 30
2.5 數(shù)字圖像表示與常用概念 31
2.5.1 數(shù)字圖像基本類(lèi)型 31
2.5.2 數(shù)字圖像的分辨率 34
2.5.3 數(shù)字圖像的拓?fù)渚嚯x 34
2.5.4 數(shù)字圖像的距離、鄰域與連通集 35
2.6 數(shù)字圖像的統(tǒng)計(jì)性質(zhì) 36
2.7 數(shù)字圖像的視覺(jué)表現(xiàn)性質(zhì) 39
擴(kuò)展閱讀 41
習(xí)題 41
小故事 比特、熵與信息論之父——克勞德·埃爾伍德·香農(nóng) 42
第3章 二維信號(hào)線性系統(tǒng)與圖像處理應(yīng)用 43
3.1 信號(hào)與系統(tǒng) 43
3.2 常用的二維離散信號(hào)序列 44
3.3 系統(tǒng)若干重要性質(zhì) 45
3.4 LSI 系統(tǒng)與卷積 46
3.4.1 卷積的導(dǎo)出 46
3.4.2 卷積及其性質(zhì) 47
3.4.3 有限卷積 49
3.4.4 有限卷積的矩陣形式 50
3.4.5 可分離卷積及其快速運(yùn)算 52
3.5 連續(xù)信號(hào)與系統(tǒng)建模 53
3.6 LSI 系統(tǒng)的圖像處理應(yīng)用 55
擴(kuò)展閱讀 56
習(xí)題 57
小故事 數(shù)學(xué)王子——高斯 58
第4章 圖像增強(qiáng)與濾波 59
4.1 圖像預(yù)處理的基本任務(wù) 59
4.2 圖像的基本運(yùn)算概要 59
4.3 圖像代數(shù)與邏輯運(yùn)算 60
4.4 圖像點(diǎn)運(yùn)算：基本灰度級(jí)變換 61
4.4.1 線性拉伸 62
4.4.2 黑白反轉(zhuǎn)映射 62
4.4.3 分片線性拉伸 63
4.4.4 非線性拉伸 64
4.4.5 對(duì)數(shù)變換 64
4.4.6 指數(shù)變換 65
4.4.7 冪律變換 66
4.5 圖像點(diǎn)運(yùn)算：基于直方圖的變換 68
4.5.1 基本原理 68
4.5.2 連續(xù)直方圖均衡 69
4.5.3 連續(xù)直方圖規(guī)定化 69
4.5.4 基于離散直方圖的變換 70
4.6 空間鄰域運(yùn)算：濾波 73
4.6.1 圖像平滑的非線性濾波 74
4.6.2 圖像平滑的線性濾波 78
4.6.3 空域加權(quán)濾波及其機(jī)制 82
4.6.4 雙邊濾波 83
4.6.5 非局部均值濾波 84
4.6.6 引導(dǎo)濾波 85
擴(kuò)展閱讀 88
習(xí)題 89
小故事 像素技術(shù)的發(fā)明者——羅素·基爾希 90
第5章 傅里葉分析與濾波 91
5.1 理解變換 91
5.1.1 正交表示 91
5.1.2 時(shí)頻分析 93
5.2 傅里葉分析核心觀點(diǎn) 93
5.2.1 傅里葉級(jí)數(shù) 94
5.2.2 傅里葉譜的計(jì)算 96
5.3 復(fù)數(shù)形式傅里葉級(jí)數(shù) 96
5.4 連續(xù)傅里葉變換 98
5.4.1 1D 連續(xù)傅里葉變換 98
5.4.2 2D 連續(xù)傅里葉變換 99
5.5 離散傅里葉變換 100
5.5.1 1D 離散傅里葉變換 100
5.5.2 2D 離散傅里葉變換 101
5.5.3 中心化處理 104
5.6 離散傅里葉變換的矩陣表示 106
5.6.1 1D 離散傅里葉變換的矩陣表示 106
5.6.2 2D 離散傅里葉變換的矩陣表示 108
5.6.3 快速傅里葉變換 (FFT) 109
5.7 傅里葉變換與卷積 111
5.8 空域?yàn)V波器的頻率響應(yīng)分析 113
5.9 頻域?yàn)V波器設(shè)計(jì) 115
5.9.1 低通濾波 116
5.9.2 高通濾波 120
5.9.3 選擇性濾波 122
5.9.4 頻域增強(qiáng)濾波 124
擴(kuò)展閱讀 124
習(xí)題 125
小故事 熱的傳播、三角級(jí)數(shù)與鍥而不舍的傅里葉 127
第6章 圖像復(fù)原 128
6.1 引言 128
6.2 圖像模糊退化建模 129
6.2.1 圖像模糊的信號(hào)系統(tǒng)建模 129
6.2.2 圖像退化的矩陣–向量表示 131
6.2.3 圖像退化的頻域表示 133
6.2.4 常用模糊模型 133
6.3 常用噪聲建模 137
6.3.1 加性噪聲 138
6.3.2 非加性噪聲 140
6.4 圖像復(fù)原的濾波方法 142
6.4.1 逆濾波 142
6.4.2 維納濾波 (最小均方誤差濾波) 144
6.4.3 幾何均值濾波 145
6.4.4 約束最小二乘濾波 146
6.5 圖像復(fù)原的正則化方法 147
6.5.1 圖像復(fù)原的廣義解分析 147
6.5.2 截?cái)?SVD 正則化 148
6.5.3 吉洪諾夫正則化 149
6.5.4 非二次正則化 150
6.5.5 稀疏正則化 153
6.5.6 復(fù)合正則化 155
6.5.7 形態(tài)成分正則化 156
6.6 貝葉斯推斷 157
6.7 正則化參數(shù)作用與選取方法 160
6.7.1 正則化參數(shù)作用 160
6.7.2 正則化參數(shù)的選取方法 160
6.8 本章小結(jié) 163
擴(kuò)展閱讀 164
習(xí)題 164
小故事 維納濾波與控制論之父——維納 165
第7章 圖像邊緣增強(qiáng)與檢測(cè) 166
7.1 邊緣檢測(cè)基本概念 166
7.2 一階微分邊緣檢測(cè)算子 168
7.2.1 一階微分：連續(xù)到離散 168
7.2.2 檢測(cè)框架：梯度閾值處理與邊緣細(xì)化 169
7.2.3 一階微分檢測(cè)的經(jīng)典算子 171
7.3 二階微分邊緣檢測(cè)算子 173
7.3.1 連續(xù)拉普拉斯算子 173
7.3.2 離散拉普拉斯算子 175
7.4 LOG 算子與視覺(jué)認(rèn)知機(jī)制 177
7.4.1 LOG 算子的基本原理 177
7.4.2 LOG 濾波器的計(jì)算實(shí)現(xiàn) 178
7.4.3 馬爾–希爾德雷思理論 179
7.4.4 LOG 與人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的解釋 180
7.5 坎尼邊緣檢測(cè)計(jì)算理論 181
7.5.1 邊緣檢測(cè)的坎尼準(zhǔn)則 182
7.5.2 坎尼算子的基本原理 183
7.5.3 坎尼算子計(jì)算實(shí)現(xiàn) 184
7.6 彩色圖像的邊緣檢測(cè) 186
擴(kuò)展閱讀 186
習(xí)題 187
小故事 計(jì)算機(jī)視覺(jué)之父——大衛(wèi)·馬爾 188
第8章 圖像分割 189
8.1 圖像分割基本概念 189
8.2 閾值分割方法 190
8.2.1 灰度閾值分割的基本概念 190
8.2.2 全局閾值：雙峰直方圖谷底 191
8.2.3 滯后閾值法 192
8.2.4 全局最優(yōu)閾值法 192
8.2.5 局部與自適應(yīng)閾值法 198
8.3 區(qū)域生長(zhǎng)方法 200
8.4 分裂與合并方法 202
8.5 分水嶺方法 204
8.6 基于形變模型的方法 206
8.6.1 參數(shù)形變模型——Snake 模型 207
8.6.2 主動(dòng)輪廓模型——水平集方法 210
擴(kuò)展閱讀 213
習(xí)題 214
小故事 全變差、水平集和斯坦利·奧舍 215
第9章 特征、分類(lèi)器與視覺(jué)應(yīng)用 216
9.1 手工特征描述符 216
9.1.1 HOG 特征描述符 217
9.1.2 SIFT 特征描述符 218
9.1.3 SURF 特征描述符 220
9.1.4 手工特征的局限性 221
9.2 分類(lèi)器 221
9.2.1 邏輯回歸分類(lèi)器 221
9.2.2 支持向量機(jī) 223
9.2.3 隨機(jī)決策森林 225
9.3 深度特征 227
9.3.1 卷積層 227
9.3.2 池化層 229
9.3.3 全連接層 229
9.3.4 非線性函數(shù) 229
9.3.5 CNN 損失函數(shù) 231
9.3.6 深度特征可視化 232
9.4 典型視覺(jué)應(yīng)用 233
9.4.1 實(shí)例識(shí)別 233
9.4.2 圖像分類(lèi) 233
9.4.3 物體檢測(cè) 234
9.4.4 語(yǔ)義分割 235
擴(kuò)展閱讀 235
習(xí)題 236
小故事 深度學(xué)習(xí)之父——杰弗里·欣頓 237
第10章 圖像處理實(shí)踐案例 238
10.1 圖像的讀取與顯示 238
10.1.1 自然圖像 238
10.1.2 多光譜和高光譜圖像 239
10.2 圖像增強(qiáng)與濾波 241
10.2.1 基本灰度級(jí)變換 241
10.2.2 中值濾波、均值濾波和高斯濾波 243
10.2.3 雙邊濾波和引導(dǎo)濾波 246
10.2.4 頻域?yàn)V波 249
10.3 圖像復(fù)原 251
10.3.1 圖像噪聲 251
10.3.2 維納濾波 253
10.3.3 幾何均值濾波 254
10.4 邊緣分析 255
10.4.1 一階邊緣特征 256
10.4.2 二階邊緣特征 257
10.5 特征提取與分類(lèi) 259
10.5.1 SIFT 特征描述符 259
10.5.2 邏輯回歸 262
10.5.3 支持向量機(jī) 263
10.5.4 CNN 卷積網(wǎng)絡(luò) 264
擴(kuò)展閱讀 267
習(xí)題 267
小故事 華人計(jì)算機(jī)視覺(jué)鼻祖——黃煦濤 268
參考文獻(xiàn) 269
書(shū)單推薦
