圖像處理、分析與機器視覺

第1章  引言
  1.1  總結
  1.2  習題
  1.3  參考文獻
第2章  數(shù)字圖像及其性質
  2.1  基本概念
    2.1.1  圖像函數(shù)
    2.1.2  狄拉克(Dirac)分布和卷積
    2.1.3  傅立葉變換
    2.1.4  作為隨機過程的圖像
    2.1.5  作為線性系統(tǒng)的圖像
  2.2  圖像數(shù)字化
    2.2.1  采樣
    2.2.2  量化
    2.2.3  彩色圖像
  2.3  數(shù)字圖像性質
    2.3.1  數(shù)字圖像的度量和拓撲性質
    2.3.2  直方圖
    2.3.3  圖像的視覺感知
    2.3.4  圖像品質
    2.3.5  圖像中的噪聲
  2.4  總結
  2.5  習題
  2.6  參考文獻
第3章  圖像分析的數(shù)據(jù)結構
  3.1  圖像數(shù)據(jù)表示的層次
  3.2  傳統(tǒng)圖像數(shù)據(jù)結構
    3.2.1  矩陣
    3.2.2  鏈
    3.2.3  拓撲數(shù)據(jù)結構
    3.2.4  關系結構
  3.3  分層數(shù)據(jù)結構
    3.3.1  金字塔
    3.3.2  四叉樹
    3.3.3  其他金字塔結構
  3.4  總結
  3.5  習題
  3.6  參考文獻
第4章  圖像預處理
  4.1  像素亮度變換
    4.1.1  與位置相關的亮度校正
    4.1.2  灰度級變換
  4.2  幾何變換
    4.2.1  像素坐標變換
    4.2.2  亮度插值
  4.3  局部預處理
    4.3.1  圖像平滑
    4.3.2  邊緣檢測算子
    4.3.3  階導數(shù)過零點
    4.3.4  圖像處理中的尺度
    4.3.5  Canny邊緣提取
    4.3.6  參數(shù)化邊緣模型
    4.3.7  多光譜圖像中的邊緣
    4.3.8  其他局部預處理算子
    4.3.9  自適應鄰域性預處理
  4.4  圖像復原
    4.4.1  容易復原的退化
    4.4.2  逆濾波
    4.4.3  維納濾波
  4.5  總結
  4.6  習題
  4.7  參考文獻
第5章  分割
  5.1  閾值化
    5.1.1  閾值檢測方法
    5.1.2  最優(yōu)閾值化
    5.1.3  多光譜閾值化
    5.1.4  分層數(shù)據(jù)結構下的閾值化
  5.2  基于邊緣的分割
    5.2.1  邊緣圖像閩值化
    5.2.2  邊緣松弛法
    5.2.3  邊界跟蹤
    5.2.4  作為圖搜索的邊緣跟蹤
    5.2.5  作為動態(tài)規(guī)劃的邊緣跟蹤
    5.2.6  Hough變換
    5.2.7  使用邊界位置信息的邊界檢測
    5.2.8  從邊界構造區(qū)域
  5.3  基于區(qū)域的分割
    5.3.1  區(qū)域歸并
    5.3.2  區(qū)域分裂
    5.3.3  分裂與歸并
    5.3.4  分水嶺分割
    5.3.5  區(qū)域增長后處理
  5.4  匹配
    5.4.1  匹配標準
    5.4.2  匹配的控制策略
  5.5  高級最優(yōu)邊界與表面檢測方法
    5.5.1  邊界對的同時檢測
    5.5.2  表面檢測
  5.6  總結
  5.7  習題
  5.8  參考文獻
第6章  形狀表示與描述
  6.1  區(qū)域標識
  6.2  基于輪廓的形狀表示與描述
    6.2.1  鏈碼
    6.2.2  簡單幾何邊界表示
    6.2.3  邊界的傅立葉變換
    6.2.4  使用片段序列的邊界描述
    6.2.5  B樣條表示
    6.2.6  其他基于輪廓的形狀描述方法
    6.2.7  形狀不變量
  6.3  基于區(qū)域的形狀表示與描述
    6.3.1  簡單的標量區(qū)域描述
    6.3.2  矩
    6.3.3  凸包
    6.3.4  基于區(qū)域骨架的圖表示
    6.3.5  區(qū)域分解
    6.3.6  區(qū)域鄰近圖
  6.4  形狀類別
  6.5  總結
  6.6  習題
  6.7  參考文獻
第7章  物體識別
  7.1  知識表示
  7.2  統(tǒng)計模式識別
    7.2.1  分類原理
    7.2.2  分類器設置
    7.2.3  分類器學習
    7.2.4  聚類分析
  7.3  神經元網(wǎng)絡
    7.3.1  前饋網(wǎng)絡
    7.3.2  非監(jiān)督學習
    7.3.3  Hopfield神經元網(wǎng)絡
  7.4  句法模式識別
    7.4.1  語法與語言
    7.4.2  句法分析與句法分類器
    7.4.3  句法分類器學習與語法推導
  7.5  作為圖匹配的識別
    7.5.1  圖和子圖的同構
    7.5.2  圖的相似度
  7.6  識別中的優(yōu)化技術
    7.6.1  遺傳算法
    7.6.2模擬退火
  7.7  模糊系統(tǒng)
    7.7.1  模糊集合和模糊隸屬函數(shù)
    7.7.2模糊集合運算
    7.7.3  模糊推理
    7.7.4  模糊系統(tǒng)設計與訓練
  7.8  總結
  7.9  習題
  7.10參考文獻
第8章  圖像理解
  8.1  圖像理解控制策略
    8.1.1  并行和串行處理控制
    8.1.2  分層控制
    8.1.3  自底向上的控制策略
    8.1.4  基于模型的控制策略
    8.1.5  昆合的控制策略
    8.1.6  非分層控制
  8.2  活動輪廓模型——蛇行
  8.3  點分布模型
  8.4  圖像理解中的模式識別方法
  8.5  場景標注和約束傳播
    8.5.1  離散松弛法
    8.5.2  概率松弛法
    8.5.3  搜索解釋樹
  8.6  語義圖像分割和理解
    8.6.1  語義區(qū)域增長
    8.6.2  遺傳圖像解釋
  8.7  隱馬爾可夫模型
  8.8  總結
  8.9  習題
  8.10  參考文獻
第9章  3D視覺、幾何和輻射學
  9.1  3D視覺任務
    9.1.1  Marr理論
    9.1.2  其他視覺范疇：主動和有目的的視覺
  9.2   3D視覺的幾何
    9.2.1  射影幾何學基礎
    9.2.2  單透視攝像機
    9.2.3  單攝像機標定概述
    9.2.4  從已知場景標定一個攝像機
    9.2.5  雙攝像機和立體感知
    9.2.6  雙攝像機幾何學——基本矩陣
    9.2.7  攝像機的相對運動——本質矩陣
    9.2.8  從圖像對應點估計基本矩陣
    9.2.9  視覺中的極線幾何的應用
    9.2.10  三攝像機和更多攝像機
    9.2.11  立體對應點算法
    9.2.12  離圖像的主動獲取
  9.3  輻射學與3D視覺
    9.3.1  在確定灰度量級時的輻射學考慮
    9.3.2  表面反射
    9.3.3  由陰影到形狀
    9.3.4  光度測量立體視覺
  9.4  總結
  9.5  習題
  9.6  參考文獻
第10章  3D視覺的應用
  10.1  由X到形狀
    10.1.1  由運動到形狀
    10.1.2  由紋理到形狀
    10.1.3  其他由X到形狀的技術
  10.2  完全的3D物體
    10.2.1  3D物體、模型以及相關問題
    10.2.2  線條標注
    10.2.3  體積表示和直接測量
    10.2.4體積建模策略
    10.2.5  表面建模策略
    10.2.6  為獲取完整3D模型的面元標注與融合
  10.3  基于3D模型的視覺
    10.3.1  一般考慮
    10.3.2  Goad算法
    10.3.3  基于模型的亮度圖像曲面物體識別
    10.3.4  基于模型的距離圖像識別
  10.4  3D場景的2D視圖表達
    10.4.1  觀察空間
    10.4.2  多視圖表達和示象圖
    10.4.3  作為2D視圖結構化表達的幾何基元
    10.4.4  利用存儲的2D視圖顯示3D真實世界場景
  10.5  總結
  10.6  習題
  10.7  參考文獻
第11章  數(shù)學形態(tài)學
  11.1  形態(tài)學基本概念
  11.2  形態(tài)學四原則
  11.3  二值膨脹和腐蝕
    11.3.1  膨脹
    11.3.2  腐蝕
    11.3.3  擊中擊不中變換
    11.3.4  開運算和閉運算
  11.4  灰度級膨脹和腐蝕
    11.4.1  頂面、本影和灰度級膨脹和腐蝕
    11.4.2  本影同胚定理和膨脹、腐蝕及開、閉運算的性質
    11.4.3  頂帽變換
    11.5  骨架和物體標記
    11.5.1  同倫變換
    11.5.2  骨架和最大球
    11.5.3  細化、粗化和同倫骨架
    11.5.4  熄滅函數(shù)和最終腐蝕
    11.5.5  最終腐蝕和距離函數(shù)
    11.5.6  測地變換
    11.5.7  形態(tài)學重構
  11.6  粒度測定法
  11.7  形態(tài)學分割與分水嶺
    11.7.1  粒子分割、標記和分水嶺
    11.7.2  值形態(tài)學分割
    11.7.3  灰度級分割和分水嶺
  11.8  總結
  11.9  習題
  11.10  參考文獻
第12章  線性離散圖像變換
  12.1  基本理論
  12.2  傅立葉變換
  12.3  哈達馬變換
  12.4  離散余弦變換
  12.5  小波
  12.6  其他正交圖像變換
  12.7  離散圖像變換的應用
  12.8  總結
  12.9  習題
  12.10  參考文獻
第13章  圖像數(shù)據(jù)壓縮
  13.1  圖像數(shù)據(jù)性質
  13.2  圖像數(shù)據(jù)壓縮中的離散圖像變換
  13.3  預測壓縮方法
  13.4  矢量量化
  13.5  分層的和漸進的壓縮方法
  13.6  壓縮方法比較
  13.7  其他技術
  13.8  編碼
  13.9  JPEG和MPEG圖像壓縮
    13.9.1  JPEG——靜態(tài)圖像壓縮
    13.9.2  MPEG——全運動的視頻壓縮
  13.10  總結
  13.11  習題
  13.12  參考文獻
第14章  紋理
  14.1  統(tǒng)計紋理描述
    14.1.1  基于空間頻率的方法
    14.1.2  共生矩陣
    14.1.3  邊緣頻率
    14.1.4  基元長度(行程)
    14.1.5  Laws的紋理能量度量
    14.1.6  分形紋理描述
    14.1.7  其他紋理描述的統(tǒng)計方法
  14.2  句法紋理描述方法
    14.2.1  形狀鏈語法
    14.2.2  圖語法
    14.2.3  分層紋理中的基元分組
  14.3  混合的紋理描述方法
  14.4  紋理識別方法的應用
  14.5  總結
  14.6  習題
  14.7  參考文獻
第15章  運動分析
  15.1  差分運動分析方法
  15.2  光流
    15.2.1  光流計算
    15.2.2  全局和局部光流估計
    15.2.3  光流計算方法
    15.2.4  運動分析中的光流
  15.3  基于興趣點對應關系的分析
    15.3.1  興趣點的檢測
    15.3.2  興趣點的對應關系
    15.3.3  物體跟蹤
  15.4  卡爾曼濾波
  15.5  總結
  15.6  習題
  15.7  參考文獻
第16章  案例研究
  16.1  光學音樂識別系統(tǒng)
  16.2  心臟病學中的自動圖像分析
    16.2.1  冠狀血管造影的魯棒分析
    16.2.2  基于知識的脈管內超聲分析
  16.3  自動氣道樹識別
  16.4  被動監(jiān)視
  16.5  參考文獻
術語表