第1章 概述
1.1 圖像處理基本原理
1.2 圖像處理應用
1.2.1 自動視覺檢測系統
1.2.2 遙感場景解譯
1.2.3 生物醫學成像技術
1.2.4 防御觀測
1.2.5 基于內容的圖像檢索
1.2.6 運動對象跟蹤
1.2.7 圖像與視頻壓縮
1.3 人類視覺知覺
1.3.1 人眼
1.3.2 視覺的神經機制
1.4 圖像處理系統的組成
1.5 本書的結構
1.6 與其他書的不同之處
1.7 本章小結
參考文獻
第2章 成像與表示
2.1 概述
2.2 成像
2.2.1 照明
2.2.2 反向模型
2.2.3 點擴散函數
2.3 采樣與量化
2.3.1 圖像采樣
2.3.2 圖像量化
2.4 二值圖像
2.4.1 幾何特性
2.4.2 二值對象的鏈碼表示
2.5 三維成像
2.5.1 立體圖像
2.5.2 深度圖像采集
2.6 圖像文件格式
2.7 重點要點
2.8 本章小結
參考文獻
第3章 顏色和彩色影像
3.1 概述
3.2 色彩知覺
3.3 色彩空間量化和最小可覺差（JND）
3.4 色彩空間與變換
3.4.1 CMYK空間
3.4.2 NTSC或YIQ色彩空間
3.4.3 YCbCr色彩空間
3.4.4 視覺均勻色彩空間
3.4.5 CIELAB色彩空間
3.5 顏色插值或去馬賽克
3.5.1 非自適應顏色插值算法
3.5.2 自適應算法
3.5.3 新的基于自適應的確良彩色插值算法
3.5.4 實驗結果
3.6 本章小結
參考文獻
第4章 圖像變換
4.1 概述
4.2 傅立葉變換
4.2.1 一維傅立葉變換
4.2.2 二維傅立葉變換
4.2.3 離散傅立葉變換
4.2.4 變換核
4.2.5 矩陣形式表示
4.2.6 性質
4.2.7 快速傅立葉變換
4.3 離散余弦變換
4.4 Walsh Hadamard變換
4.5 Karhaunen-Loeve變換或主分量分析
4.5.1 協方差矩陣
4.5.2 特征向量和特征值
4.5.3 主分量分析
4.5.4 奇異值分解
4.6 本章小結
參考文獻
第5章 離散小波變換
5.1 概述
5.2 小波變換
5.2.1 離散小波變換
5.2.2 Gabor濾波
5.2.3 多分辨率分析的概念
5.2.4 濾波和金字塔算法的實現
5.3 推廣到二維信號
5.4 DWT的提升實現
5.4.1 有限沖激響應濾波與Z變換
5.4.2 Laurent多項式的Euclidean算法
5.4.3 完全重建和濾波多相位表示
5.4.4 提升
5.4.5 用于提升計算的數據關系圖
5.5 基于提升的DWT的優點
5.6 本章小結
參考文獻
第6章 圖像增強與復原
6.1 概述
6.2 圖像增強與復原的區別
6.3 空間圖像增強技術
6.3.1 空間低通濾波和高通濾波
6.3.2 均值和空間低通濾波
6.3.3 模糊掩蓋銳化與勻邊
6.3.4 方向平滑
6.4 基于直方圖的對比增強
6.4.1 圖像的直方圖
6.4.2 直方圖均衡化
6.4.3 局部直方圖均衡化
6.4.4 直方圖規定化
6.4.5 雙曲線直方圖
6.4.6 中值濾波
6.5 圖像增強的頻域方案
6.6 噪聲建模
6.7 圖像復原
6.7.1 含沖激噪聲圖像的復原
6.7.2 模糊圖像的復原
6.7.3 反向濾波
6.7.4 Wiener濾波器
6.8 圖像處理的其他方法
6.8.1 重譜圖像復原
6.8.2 層析成像重建
6.9 本章小結
參考文獻
第7章 圖像分割
7.1 預處理
7.2 邊緣、線與點檢測
7.3 邊緣檢測
7.3.1 基于Robert算子的邊緣檢測器
7.3.2 基于Sobel算子的邊緣檢測器
7.3.3 基于Prewitt鼻子的邊緣檢測器
7.3.4 Kirsch鼻子
7.3.5 Canny的邊緣檢測器
7.3.6 基于二階導數的算子
7.3.7 基于邊緣分割的局限性
7.4 圖像閾值化技術
7.4.1 兩極閾值化
7.4.2 多級閾值化
7.4.3 基于熵的閾值化
7.4.4 遇到的問題與可能的解決方案
7.5 區域生長
7.5.1 區域鄰接圖
7.5.2 區域合並和分裂
7.5.3 基于分割的聚類
7.6 用于分割的瀑布算法
7.7 連通分量標記
7.8 文檔圖像分割
7.9 本章小結
參考文獻
第8章 圖像模式識別
8.1 概述
8.2 決策理論的模式分類
8.3 貝葉斯決策理論
8.3.1 參數估計
8.3.2 最短距離分類
8.4 非參數分類
8.5 線性判別分析
8.6 無監督分類策略——聚類
8.6.1 單鏈路聚類
8.6.2 完全鏈路聚類
8.6.3 平均鏈路聚類
8.7 K-均值聚類算法
8.8 句法模式分類
8.8.1 基元選擇策略
8.8.2 高經信模式文法
8.9 句法推斷
8.10 符號投影方法
8.11 人工神經網絡
8.11.1 神經網絡的進化
8.11.2 多層感知器
8.11.3 Kohonen的自組織特征映射
8.11.4 對向傳播神經網絡
8.11.5 網絡的全局特征
8.12 本章小結
參考文獻
第9章 紋理與形狀分析
9.1 概述
9.1.1 紋理基元
9.1.2 紋理分類
9.2 灰度共生矩陣
9.2.1 基元的空間關系
9.2.2 廣義共生
9.3 紋理光譜
9.4 使用分形的紋理分類
9.4.1 分形線和形狀
9.4.2 紋理分類中的分形
9.4.3 使用地毯覆蓋方法計算分形維數
9.5 形狀分析
9.5.1 定位點
9.5.2 多邊形形狀描述符
9.5.3 形狀描述中的控制點
9.5.4 在形狀確定中曲率的角色
9.5.5 用于形狀分析的多邊形逼近
9.6 主動輪廓建模
9.7 形狀復原與歸一化
9.7.1 形狀散布矩陣
9.7.2 平移和旋轉坐標準
9.7.3 改變基本尺度
9.8 基于輪廓的形狀描述符
9.9 基于區域的形狀描述符
9.9.1 Zernike矩
9.9.2 徑向chebyshev矩
9.10 知覺的格式塔理論
9.11 本章小結
參考文獻
第10章 圖像處理中的模糊集理論
10.1 模糊集理論概述
10.2 為什麼圖像會模糊
10.3 模糊集理論介紹
10.4 預備知識和背景
10.4.1 模糊化
10.4.2 基本術語與運算
10.5 將圖像作為模糊集
10.6 對比度增強的模糊方法
10.6.1 使用模糊化增強對比度
10.6.2 去噪的模糊空間過濾器
10.6.3 平滑算法
10.7 使用模糊方法的圖像分割
10.8 像素分類的模糊方法
10.9 模糊的C-均值算法
10.10 神經網絡模糊邏輯的融合
10.11 本章小結
參考文獻
第11章 圖像挖掘與基于內容的圖像檢索
11.1 概述
11.2 圖像挖掘
11.3 檢索和挖掘圖像的特征
11.3.1 顏色特征
11.3.2 紋理特征
11.3.3 形狀特征
11.3.4 拓撲結構
11.3.5 多維索引
11.3.6 簡單CBIR系統的結果
11.4 圖像檢索系統中的模糊相似性測度
11.5 視頻挖掘
11.5.1 MPEG7︰多媒體內容描述接口
11.5.2 基于內容的視頻檢索系統
11.6 本章小結
參考文獻
第12章 生物醫學與生物醫學圖像處理
12.1 概述
12.2 生物醫學模式識別
12.2.1 特征選擇
12.2.2 正面面部特征提取
12.2.3 側面面部特征提取
12.2.4 人臉識別
12.3 使用特征臉的人臉識別
12.4 簽名鑒別
12.5 簽名模式預處理
12.6 生物醫學圖像分析
12.6.1 顯微圖像分析
12.6.2 宏觀圖像分析
12.7 生物醫學成像模態
12.7.1 磁共振成像（MRI）
12.7.2 計算機軸斷層攝影術
12.7.3 核與超聲波成像
12.8 X光成像
12.8.1 用于肺疾病辨識的X光圖像
12.8.2 胸部X光增強
12.8.3 用于肺結節檢測的CT-掃描
12.8.4 用于心髒病識別的X光圖像
12.8.5 用于先天性心髒病識別的X光圖像
12.8.6 用梯度鼻子增強胸部X光照片
12.8.7 骨疾病識別
12.8.8 肋骨籃識別
12.9 牙齒X光圖像分析
12.10 牙齲齒分類
12.11 乳腺X光照片圖像分析
12.11.1 乳腺超聲波
12.11.2 乳腺X光照片圖像分析步驟
12.11.3 乳腺X光照片增強
12.11.4 可疑區域檢測
12.11.5 腫瘤分割
12.11.6 特征選擇與提取
12.11.7 乳腺X照片圖像的小波分析
12.12 本章小結
參考文獻
第13章 遙感多光譜場景分析
13.1 概述
13.2 衛星傳感器與影像
13.2.1 LANDSAT衛星圖像
13.2.2 印度遙感衛星影像
13.2.3 中分辨率成像光譜儀（MODIS）
13.2.4 合成孔徑雷達（SAR）
13.3 多光譜圖像的特征
13.3.1 數字衛星影像的數據格式
13.3.2 失真與校正
13.4 不同地球對象的反射光譜
13.4.1 水區域
13.4.2 植被區域
13.4.3 土壤
13.4.4 人造/人工目標
13.5 場景分類策略
13.5.1 使用誤差反向傳播的基于神經網絡的分類器
13.5.2 對向傳播網絡
13.5.3 試驗與試驗結果
13.5.4 分類準確性
13.6 基于知識方法的光譜分類
13.6.1 自然/人造目標的光譜信息
13.6.2 訓練點選擇與特征提取
13.6.3 系統實現
13.6.4 規則生成
13.6.5 基于規則的開發
13.7 空間推理
13.7.1 證據積累
13.7.2 空間規則生成
13.8 遙感的其他應用
13.9 本章小結
參考文獻
第14章 動態場景分析︰運動對象的檢測與跟蹤
14.1 概述
14.2 問題定義
14.3 自適應背景建模
14.3.1 基本背景建模策略
14.3.2 背景建模魯棒性方法
14.4 連通域標記
14.5 陰影檢測
14.6 對象跟蹤原理
14.7 跟蹤系統模型
14.8 離散Kalman濾波
14.9 擴展Kalman濾波
14.10 基于對象跟蹤的粒子濾波
14.10.1 粒子屬性
14.10.2 粒子濾波器算法
14.10.3 對象跟蹤結果
14.11 聚縮算法
14.12 本章小結
參考文獻
第15章 圖像壓縮概述
15.1 概述
15.2 信息論概念
15.2.1 離散無記憶模型與熵
15.2.2 無躁聲信源編碼定理
15.2.3 唯一判讀
15.3 壓縮算法分類
15.4 信源編碼算法
15.5 霍夫曼編碼
15.6 算術編碼
15.6.1 編碼算法
15.6.2 解碼算法
15.6.3 QM編碼器
15.7 本章小結
參考文獻
第16章 JPEG靜態圖像壓縮標準
16.1 概述
16.2 JPEG無損編碼算法
16.3 基線JPEG壓縮
16.3.1 色彩空間轉換
16.3.2 源圖像數據陳列
16.3.3 基線壓縮算法
16.3.4 DCT系數編碼
16.4 本章小結
參考文獻
第17章 圖像壓縮的JPEG2000標準
17.1 概述
17.2 為什麼使用JPEG2000
17.3 部分JPEG標準
17.4 JPEG2000概述︰第一部分編碼系統
17.5 圖像處理
17.5.1 拼接
17.5.2 DC電平偏移
17.5.3 多尺度變換
17.6 壓縮
17.6.1 離散小波變換
17.6.2 量化
17.6.3 感興趣區域編碼
17.6.4 碼率控制
17.6.5 熵編碼
17.7 第二層編碼與比特流格式
17.8 本章小結
參考文獻
第18章 JPEG2000標準中的編碼算法
18.1 概述
18.2 編碼的數據分割
18.3 在JPEG2000中的第一層編碼
18.3.1 分數位平面編碼
18.3.2 BPC編碼器舉例
18.3.3 二進制算術編碼——MQ編碼器
18.4 JPEG2000的第二層編碼
18.4.1 比特流格式
18.4.2 包頭信息編碼
18.5 本章小結
參考文獻
