第1章緒論1

1.1引言1

1.2圖像處理與識(shí)別的相關(guān)術(shù)語(yǔ)2

1.3圖像處理與識(shí)別的發(fā)展歷史5

1.4圖像處理與識(shí)別的應(yīng)用領(lǐng)域7

習(xí)題19

第2章圖像變換10

2.1傅里葉變換10

2.1.1連續(xù)傅里葉變換10

2.1.2離散傅里葉變換12

2.1.3快速傅里葉變換16

2.2離散余弦變換17

2.3正弦變換20

2.4沃爾什哈達(dá)瑪變換21

2.5KL變換24

2.5.1KL變換的定義24

2.5.2KL變換的基本性質(zhì)25

習(xí)題225

第3章圖像增強(qiáng)27

3.1灰度級(jí)修正27

3.1.1直方圖27

3.1.2灰度變換28

3.1.3直方圖修正30

3.2圖像平滑33

3.2.1鄰域平均法34

3.2.2中值濾波35

3.2.3空間低通濾波38

3.3圖像銳化38

3.3.1微分算子方法39

3.3.2Sobel算子40

3.3.3拉普拉斯算子41

3.3.4空域高通濾波44

3.4圖像濾波44

3.4.1低通濾波45

3.4.2高通濾波47

3.4.3同態(tài)濾波48

3.5幾何變換49

3.5.1幾何變換過(guò)程49

3.5.2灰度級(jí)插值50

習(xí)題352



第4章圖像編碼53

4.1概述53

4.1.1圖像數(shù)據(jù)的冗余53

4.1.2圖像壓縮的性能評(píng)價(jià)54

4.2統(tǒng)計(jì)編碼55

4.2.1編碼效率與冗余度55

4.2.2霍夫曼編碼57

4.2.3香農(nóng)費(fèi)諾編碼58

4.2.4算術(shù)編碼60

4.3預(yù)測(cè)編碼62

4.3.1預(yù)測(cè)編碼的基本原理62

4.3.2差值脈沖編碼調(diào)制63

4.3.3*優(yōu)線性預(yù)測(cè)64

4.4變換編碼65

4.4.1變換編碼系統(tǒng)結(jié)構(gòu)65

4.4.2正交變換編碼66

4.5輪廓編碼69

4.5.1輪廓算法70

4.5.2輪廓編碼算法的應(yīng)用實(shí)例72

4.6國(guó)際標(biāo)準(zhǔn)簡(jiǎn)介74

4.6.1JPEG75

4.6.2MPEG系列標(biāo)準(zhǔn)75

4.6.3H.26X系列標(biāo)準(zhǔn)77

4.6.4AVS標(biāo)準(zhǔn)79

習(xí)題479

第5章圖像分割80

5.1圖像分割的一般模型80

5.2閾值分割81

5.3基于變換直方圖選取閾值84

5.4Hough變換86

5.5串行區(qū)域分割87

5.5.1區(qū)域生長(zhǎng)87

5.5.2分裂合并法89

5.6基于形態(tài)學(xué)的圖像分割90

5.6.1膨脹和腐蝕91

5.6.2開(kāi)啟和閉合93

5.6.3數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用94

習(xí)題596

第6章圖像特征分析97

6.1拓?fù)涮匦?7

6.1.1鄰接與連通97

6.1.2距離98

6.2輪廓的表達(dá)98

6.2.1輪廓的鏈碼表達(dá)98

6.2.2輪廓的近似表達(dá)100

6.3區(qū)域的骨架表達(dá)101

6.4邊界的描述101

6.4.1邊界的簡(jiǎn)單描述102

6.4.2邊界的特征描述103

6.5區(qū)域的描述106

6.5.1區(qū)域的簡(jiǎn)單描述106

6.5.2區(qū)域的形狀描述107

6.6尺度不變特征轉(zhuǎn)換描述子109

6.7梯度方向直方圖描述子113

習(xí)題6115

第7章圖像識(shí)別117

7.1圖像識(shí)別概述117

7.2判別函數(shù)和判別規(guī)則118

7.2.1線性判別函數(shù)118

7.2.2*小距離判別函數(shù)120

7.2.3*近鄰域判別函數(shù)121

7.2.4非線性判別函數(shù)121

7.3特征的提取和選擇122

7.4統(tǒng)計(jì)模式識(shí)別方法122

7.4.1基本概念122

7.4.2貝葉斯(Bayes)分類器123

7.5深度神經(jīng)網(wǎng)絡(luò)圖像識(shí)別125

7.5.1深度神經(jīng)網(wǎng)絡(luò)概述125

7.5.2卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介127

7.5.3經(jīng)典圖像分類卷積神經(jīng)網(wǎng)絡(luò)模型129

7.5.4防止過(guò)擬合策略136

7.6圖像分類常用評(píng)價(jià)指標(biāo)137

7.7常用圖像分類數(shù)據(jù)庫(kù)141

習(xí)題7145

第8章目標(biāo)檢測(cè)146

8.1目標(biāo)檢測(cè)相關(guān)知識(shí)147

8.1.1選擇性搜索148

8.1.2非極大值抑制149

8.1.3常用數(shù)據(jù)庫(kù)150

8.1.4目標(biāo)檢測(cè)常用評(píng)價(jià)指標(biāo)151

8.2二階段的目標(biāo)檢測(cè)方法152

8.2.1RCNN152

8.2.2SPPnet154

8.2.3Fast RCNN155

8.2.4Faster RCNN156

8.2.5FPN158

8.3一階段的目標(biāo)檢測(cè)方法161

8.3.1YOLOv1161

8.3.2SSD163

8.3.3YOLOv2164

8.3.4YOLOv3166

8.3.5CornerNet167

8.3.6CenterNet170

8.3.7FCOS173

習(xí)題8 175

第9章語(yǔ)義分割與實(shí)例分割177

9.1圖像分割數(shù)據(jù)庫(kù)177

9.2圖像分割常用評(píng)價(jià)指標(biāo)178

9.3語(yǔ)義分割180

9.3.1FCN180

9.3.2DeconvNet182

9.3.3UNet183

9.3.4DeepLabv1184

9.3.5DilatedConvNet185

9.3.6DeepLabv2187

9.3.7PSPNet188

9.3.8ICNet190

9.3.9HRNet192

9.3.10FastFCN194

9.4實(shí)例分割196

9.4.1Mask RCNN196

9.4.2YOLACT198

9.4.3PolarMask200

9.4.4SOLO203

習(xí)題9204

第10章圖像生成206

10.1圖像生成的相關(guān)概念206

10.1.1KL散度207

10.1.2JS散度207

10.1.3*大似然估計(jì)207

10.1.4納什均衡209

10.1.5圖像生成模型的評(píng)價(jià)指標(biāo)210

10.2VAE212

10.2.1CVAE213

10.2.2SketchRNN214

10.2.3VQVAE217

10.3GAN219

10.3.1DCGAN221

10.3.2AgecGAN223

10.3.3StackGAN224

10.3.4Pix2Pix225

10.3.5CycleGAN227

習(xí)題10228

參考文獻(xiàn)229