數(shù)字圖像處理：活用Matlab

PART 1：原理與技術(shù)
第一章 簡介
1.1 背景
1.2 圖像的表示
1.3 數(shù)字圖像處理
1.4 數(shù)字圖像處理系統(tǒng)
1.5 本書結(jié)構(gòu)
1.6 主要參考文獻
第二章 數(shù)學基礎(chǔ)
2.1 信號
2.2 線性與線性時不變系統(tǒng)
2.3 卷積
2.4 矩陣運算
2.5 純量值對向量參數(shù)的最優(yōu)化
2.6 隨機信號
習題
第三章 采樣與量化
3.1 取樣
3.2 量化
3.3 向量量化
習題
第四章 變換法
4.1 正交變換
4.2 傅立葉變換
4.3 離散余弦變換
4.4 離散正弦變換
4.5 Walsh-Hadamard變換
4.6 Haar變換
4.7 斜變換
4.8 KL變換
4.9 哈特萊變換
4.10 SVD變換
4.11 小波變換
習題
第五章 圖像增強
5.1 點處理增強
5.2 空間濾波
5.3 頻域的圖像增強法
5.4 彩色圖像增強
習題
第六章 圖像恢復(fù)
6.1 圖像降質(zhì)系統(tǒng)
6.2 代數(shù)恢復(fù)方法
6.3 反濾波法
6.4 最小平方濾波器
6.5 限制性最小平方恢復(fù)
6.6 盲目圖像恢復(fù)技術(shù)
習題
第七章 圖像壓縮
7.1 數(shù)據(jù)編碼與數(shù)據(jù)壓縮
7.2 圖像壓縮模型
7.3 信息論基礎(chǔ)
7.4 無失真壓縮
7.5 有損壓縮
7.6 圖像壓縮標準JPEG
7.7 動態(tài)圖像壓縮
7.8 以小波變換壓縮的實例
習題
第八章 圖像分割
8.1 導(dǎo)論
8.2 圖像分割處理
8.3 分割圖像的儲存
8.4 圖像分割預(yù)處理——LUM濾波器
習題
第九章 表示與描述
9.1 表示方法
9.2 邊界描述子
9.3 區(qū)域描述子
9.4 形態(tài)學
習題
第十章 圖像模式識別
10.1 分類
10.2 統(tǒng)計決策圖像模式識別
10.3 特征選取
10.4 聚類
10.5 利用人工神經(jīng)網(wǎng)絡(luò)做圖像模式識別
習題
PART 2：Matlab實習
第一章 Matlab實驗常用函數(shù)簡介
第二章 實驗——數(shù)學基礎(chǔ)
L2.1 二維卷積
L2.2 矩陣的直接乘積
L2.3 馬爾可夫鏈的轉(zhuǎn)移概率
第三章 實驗——量化
L3.1 純量量化器的設(shè)計
L3.2 量化造成的假輪廊
L3.3  向量量化器碼本的產(chǎn)生
L3.4 向量量化的編解碼
第四章 實驗——變換法
L4.1 SVD變換
L4.2 圖像變換的能量集中能力
L4.3 小波變換
第五章 實驗——圖像增強
L5.1 直方圖均衡化法
L5.2 平滑濾波器
L5.3 同態(tài)濾波器
第六章 實驗——圖像恢復(fù)
L6.1 最小平方濾波器
L6.2 迭代盲目去卷積法
第七章 實驗——圖像壓縮
L7.1 游程長度編碼
L7.2 應(yīng)用小波變換與向量量化做圖像壓縮
第八章 實驗——圖像分割
L8.1 像素聚類區(qū)域成長法
L8.2 四叉樹區(qū)域分割與合并法
L8.3 Sobel邊緣檢測
L8.4 拉氏邊界檢測法
L8.5 LUM濾波器
第九章 實驗——表示與描述
L9.1 不變矩
L9.2 細化
L9.3 膨脹和腐蝕
L9.4 斷開與閉合
第十章 實驗——圖像模式識別
L10.1 利用不變矩判定圖形類別
L10.2 模糊聚類
L10.3 利用人工神經(jīng)網(wǎng)絡(luò)做圖像模式識別
L10.4 以反向傳播網(wǎng)絡(luò)做模糊分類  
附錄 光盤內(nèi)容簡介及使用說明
參考文獻