现代数字图像处理

第一章\t绪论
1．1\t数字图像处理
1．1．1\t图像处理的简要历程
1．1．2\t图像处理的内容
1． 数字信号处理
2． 图像处理的三个层面
3． 本书的主要内容
1．1．3\t数字图像处理系统
1．2\t光和图像
1．2．1 \t光学单位和成像原理
1．\t光学单位
2．\t成像机理
1．2．2 \t什么是图像
1．2．3 \t图像信息的特点
1．\t语音和文本信息
2．\t图像信息的特点
3．\t图像的数据量
1．3\t人眼视觉特性
1．3．1\t基本视觉机理
1．人眼构造和视觉
2．人眼视觉模型
1．3．2\t人眼视觉特性
1．\t亮度自适应特性
2．\t对比度敏感特性
3．\t同时对比度特性
4．\tMarch带特性
5．\t视觉暂留特性
1．4\t图像质量评价
1．4．1 \t主观评价方法
1．4．2 \t客观评价方法
1．\t基于像素误差的评价
2．\t基于结构相似度的评价
1．4．3 \t其它评价方法
1．\t基于感兴趣区域的评价
2．\t联合视听评价
3．\t无参考图像的评价
4．\t基于机器学习的评价
第二章\t数字图像基础
2．1\t连续图像
2．1．1 \t连续图像函数
2．1．2 \t常见图像种类
2．1\t连续图像的数字化
2．2．1 \t二维图像频谱
2．2．2 \t二维取样阵列
1．\t冲激函数
2．\t取样阵列
2．2．3 \t连续图像的取样
1．\t二维取样定理
2．\t取样图像的重建
2．2．4 \t取样值的量化
2．2．5 \t量化值的编码
2．2．6 \t量化失真
2．2\t混叠和亚取样
2．3．1 \t混叠效应
2．3．2 \t反混叠滤波
2．3．3 \t亚取样
2．3．4 \t实际取样脉冲影响
2．3\t数字图像的分辨率
2．4．1 \t空间分辨率
2．4．2 \t灰度分辨率
2．4．3 \t时间分辨率
2．4．4 \t综合考虑
第三章\t图像变换和分析
3．1\t 二维线性系统
3．1．1 \t二维线性移不变系统
3．1．2 \t二维离散卷积
1．\t一维离散卷积
2．\t一维卷积的矩阵表示
3．\t二维离散卷积
4．\t二维卷积的矩阵表示
3．2\t离散傅立叶变换
3．2．1 \t一维离散傅立叶变换
3．2．2 \t二维离散傅立叶变换
1．\t二维DFT的定义
2．\t二维DFT的性质
3．\t二维DFT的实现
3．3\t离散余弦变换
3．3．1 \t一维离散余弦变换
3．3．2 \t二维离散余弦变换
3．4\t沃尔什和哈达玛变换
3．4．1\t离散沃尔什变换
1．\t一维离散沃尔什变换
2．\t二维维离散沃尔什变换
3．4．2\t离散哈达玛变换
1．\t一维离散哈达玛变换
2．\t二维维离散哈达玛变换
3．5\t图像变换的矩阵表示
3．5．1 \t通用变换核
3．5．2 \t变换的矩阵表达式
3．5．3 \t基本图像和基本频谱
3．6\t主分量分析
3．6．1 \tPCA分析
3．6．2 \tPCA重建
3．6．3 \t图像的PCA压缩
3．7\t奇异值分解
3．7．1\t矩阵的奇异值分解
3．7．2\tSVD的简单说明
3．7．3\t图像的SVD
3．7．4\tSVD近似重建
1． 用F范数分析重建误差
2． 用外积分析重建误差
3．7．5\tSVD计算一例
第四章\t图像增强
4．1 \t灰度变换
4．1．1 \t线性灰度变换
3． 灰度扩展
4． 分段线性变换
5． 线性变换实例
4．1．2 \t非线性灰度变换
4．2 \t直方图修正
4．2．1 \t图像直方图
4．2．2 \t直方图均衡
1． 连续图像的均衡化
2． 数字图像的均衡化
3． 均衡化一例
4．2．3 \t直方图匹配
4．3 \t图像增晰
4．3．1 \t图像锐化方法
1．\t高通滤波法
2．\t梯度算子法
3．\tSobel算子法
4．\t拉普拉斯算子法\t
4．3．2 \t同态滤波增晰
4．3．3 \tRetinex图像增强
1．\t彩色衡常现象
2．\tRetinex基础
3．\t单尺度Retinex算法
4．\t多尺度Retinex算法
5．\t低照度图像的Retinex增强
6．\tRetinex和同态滤波
4．3．4 \t雾天图像增晰
1．\t基于图像增强的方法
2．\t基于暗通道原理的方法
4．4 \t图像去噪
4．4．1 \t图像噪声
1．\t常见的图像噪声
2．\t图像噪声的分类
3．\t图像噪声的统计特性
4．4．2 \t滤波去噪
1．\t低通滤波法
2．\t邻域平均法
3．\t中值滤波法
4．\t多幅图像平均法\t
4．4．3 \tBM3D图像去噪
1．\tML-Means去噪算法
2．\tBM3D去噪算法
第五章\t图像复原
5．1\t 图像降质分析
5．3．1 \t图像的降值模型
1． \t连续图像的降质模型
2． \t离散图像的降质模型
5．3．2 \t常见降质的传递函数
1．\t孔径衍射影响
2．\t相对运动影响
3．\t大气湍流影响
5．3．3 \t降值模型的矩阵表示
1．\t一维模型的矩阵表示
2．\t二维模型的矩阵表示
5．3．4 \t循环矩阵的对角化
1．\t循环矩阵的对角化
2．\t分块循环矩阵的对角化
3．\t对角化在降质模型中的应用
5．2\t无约束图像复原
5．2．1\t逆滤波图像复原
5．2．2\t运动模糊的消除
1．\t逆滤波复原
2．\t递推法复原
5．2．3\t无约束最小二乘方复原
5．3\t有约束图像复原
5．3．1\t有约束最小二乘方复原
5．3．2\t维纳滤波复原
5．3．3\t功率谱均衡复原
5．3．4\t平滑约束复原
5．4\t非线性图像复原
5．4．1\t最大后验概率复原
5．4．2\t最大熵复原
5．5\t图像的几何校正
5．5．1\t空间坐标的确定
1．\t转换函数法
2．\t小三角形线性法
3．\t二元多项式法\t
5．5．2\t像素灰度的确定
5．5．3\t图像放大
第六章\t小波变换
6．1\t 信号的时频分析
6．1．1\t信号空间
1．\t距离空间
2．\t线性空间
3．\t正交基和框架
6．1．2\t从傅立叶变换到时频分析
1．\t傅里叶变换的局限
2．\t视频分析
6．1．3\tGable变换
1．\t加窗傅里叶变换
2．\t时宽和频宽
6．1．4\t小波的特点
6．2\t多分辨率分析
6．2．1\t尺度函数和尺度空间
6．2．2\t多分辨率分析
6．2．3\t小波分析
1．\t小波函数和小波空间
2．\t正交小波分解
6．2．4\t小波函数的构造
1．\t尺度函数和小波函数的正交性
2．\t二尺度方程
3．\t尺度向量和小波向量
4．\t构造小波函数
6．3\t连续小波变换
6．3．1\t连续函数的小波变换
1．\t小波基函数
2．\t一维连续小波变换
3．\t二维连续小波变换
4．\t连续小波变换的性质
6．3．2\t金字塔分解
6．3．3\t带通滤波器组
1．\t小波变换的带通等效
2．\t二维滤波器组
6．3．4\t子带滤波
1．\t子带分解和综合
2．\t从子带滤波到小波变换
6．4\t离散小波变换
6．4．1\t参数的离散化
1．\t离散小波变换
2．\t二进参数小波变换
3．\t小波基函数几例
6．4．2\t二维多分辨率分析
6．4．3\t二维离散小波变换
1．\t二维小波正变换
2．\t二维小波逆变换
6．4．4\t双正交小波变换
1．\t一维双正交小波变换
2．\t二维双正交小波变换
6．4．5\t小波变换的提升算法
6．5\t小波变换的应用
6．5．1\t小波函数的选取
1．\t正交性
2．\t紧支集
3．\t对称性
4．\t正则性
5．\t消失距
6．5．2\t图像去噪和增强
6．5．3\t图像压缩
6．5．4\t图像边缘检测
6．5．5\t图像融合
第七章\t图像压缩
7．1\t图像的相关特性
7．2\t预测编码和变换编码
7．2．1\t预测编码
1．\t预测编码原理
2．\t最佳线性预测
3．\t帧间预测
7．2．2\t变换编码
1．\t改变数据分布
2．\t分块DCT变换
7．3\t静止图像压缩
7．3．1\t基于DCT的JPEG编码
7．3．2\t基于小波的JPEG2000编码
7．4\t活动图像压缩
7．4．1\t混合编码框架
7．4．2\t运动估计和运动补偿
7．4．3\t像素递归运动估计
7．4．4\t块匹配运动估计
1．\t全搜索算法
2．\t步快速搜索算法
3．\t分层运动估计算法
7．5\t量化和熵编码
7．5．1\t标量量化
1．\t最小均方误差量化器
2．\t量化信噪比
7．5．2\t矢量量化
1．\t基本原理
2．\t码书的设计
7．5．3\t熵编码
1．\t哈夫曼编码
2．\t准变长编码
7．5．4\t算术编码
1．\t编码过程
2．\t解码过程
7．5．5\t指数Golomb编码
7．6\t有限失真编码定理
7．6．1\t图像的信息熵
1．\t无记忆信源熵
2．\t有记忆信源熵
7．6．2\t率失真定理
1．\t编码模型
2．\t平均互信息量
3．\t率失真函数
4．\t失真率函数
5．\t有记忆信源的处理
7．6．3\t图像的压缩性能
1．\t压缩比
2．\t平均码字长度
3．\t编码效率
4．\t冗余度
第八章\t图像分割
8．1\t 图像分割的定义和方法\t
8．1．1\t图像分割的定义
8．1．2\t图像分割的方法
8．2\t基于阈值的分割\t
8．2．1\t全局阈值法
1．\t峰-谷法阈值选取
2．\t微分法阈值选取
8．2．2\t自适应阈值法
8．2．3\t统计最优阈值法
8．2．4\t最大类间方差法
8．3\t基于边界的分割
8．3．1\tLOG算子法
8．3．2\tCanny算子法
8．3．3\t边界跟踪法
1．\t边界的链码表示
2．\t逻辑运算获取边界
8．3．4\t边界拟合法
8．4\t基于区域的分割
8．4．1\t区域生长法
1．\t基本方法
2．\t改进方法
8．4．2\t分裂合并法
1．\t图像的四叉树表示
2．\t四叉树图像分割
8．4．3\t分水岭法
1．\t基本概念
2．\t克服过度分割
8．5\t基于遗传算法的分割
8．5．1\t遗传算法
1．\t编解码
2．\t初始种群
3．\t适应度函数
4．\t遗传操作
5．\t算法终止
8．5．2\t基于遗传算法的Otsu分割
1．\t类间方差
2．\t算法流程
第九章\t图像描述与配准
9．1\t图像的边界描述
9．1．1\t边界的链码表示
9．1．2\t边界的几何特性
6． 距离
7． 曲线长度
8． 边界的凹凸性
9． 边界的复杂性
9．1．3\t边界的统计矩描述
1． 统计矩
2． 边界的曲率
9．1．4\t边界的傅里叶描述子
9．1．5\t哈夫变换
1． 直线的Hough变换
2． Hough变换的推广
9．2\t图像的区域描述
9．2．1\t区域的几何特性
1．\t面积
2．\t重心
9．2．2\t区域的形状描述
1．\t矩形度
2．\t圆形度
9．2．3\t区域的纹理描述
1．\t纹理的自相关函数
2．\t灰度共生矩阵
3．\t共生矩阵的纹理特性
9．3\t图像配准
9．3．1\t图像配准基础
1．\t图像配准的目的
2．\t图像配准的数学描述
3．\t图像配准的分类
9．3．2\t基于灰度域的配准
1．\t空间变换模型
2．\t相似性测度准则
3．\t变换矩阵的寻优
9．3．3\t基于变换域的配准
1．\t相位相关法求平移参数
2．\t傅里叶-梅林变换求旋转和缩放参数
9．3．4\t基于特征点的配准
1．\t特征点配准的步骤
2．\t角点检测算法
9．3．5\t基于Hough变换的配准
9．4\tSIFT配准算法
9．4．1\tSIFT算法框架
1．\tSIFT配准过程
2．\tSIFT算法优点
3．\tSIFT特征提取
9．4．2\t初步定位特征点
1．\t高斯金字塔尺度空间
2．\t差分高斯尺度空间
3．\t极值点检测
9．4．3\t精确定位特征点
1．\t极值点的精确定位
2．\t低对比度极值点去除
3．\t边缘响应点去除
9．4．4\t确定特征点主方向
9．4．5\tSIFT特征描述子
9．4．6\tSIFT特征点匹配
1．\t最近邻匹配
2．\t最近邻次近邻匹配
9．4．7\tSURF特征描述子
1． 确定主方向
2． 形成描述子
第十章\t彩色图像处理
10．1\t彩色空间表示
10．1．1\t色度学基础
1．\t彩色的基本属性
2．\t三基色原理
3．\t彩色视觉机理
10．1．2\t常见的彩色空间表示
1．\tCIE XYZ彩色空间
2．\tRGB彩色空间
3．\tHIS彩色空间
4．\tY/B-Y/R-Y彩色空间
5．\tCIE-L*a*b*彩色空间
6．\tCMY彩色空间
10．1．3\t彩色空间转换
1．\tRGB到HIS彩色转换
2．\tHIS到RGB彩色转换
3．\tCIE-L*a*b*到CIE-XYZ彩色转换
10．2\t基本彩色图像处理
10．2．1\t彩色平衡
1．\t白平衡
2．\t彩色补偿
10．2．2\t彩色图像增强
1．\t彩色视觉特性考虑
2．\t彩色增强
3．\t去噪滤波
10．2．3\t彩色图像分割
1．\t转化为灰度图像分割
2．\t基于直方图阈值的分割
3．\t基于边缘检测的分割
4．\t基于区域生长的分割
5．\t基于彩色聚类的分割
10．3\t灰度图像的伪彩色处理
10．3．1\t灰度域伪彩色处理
1．\t离散灰度的伪彩色变换
2．\t连续灰度的伪彩色变换
10．3．2\t频率域伪彩色处理
10．4\t灰度图像的彩色化
10．4．1\t基于距离的半自动彩色化
1．\t距离变换
2．\t距离加权的彩色混合
3．\t彩色化一例
10．4．2\t基于彩色传递的自动彩色化
第十一章\t形态学图像处理
11．1\t数学形态学基础
11．1．1\t基本集合定义
11．1．2\t 图像空间的集合表示
11．1．3\t形态学运算过程
1．\t集合之间的关系
2．\t结构元素
11．2\t二值图像形态学处理
11．2．1\t二值腐蚀和膨胀运算
1．\t二值腐蚀
2．\t二值膨胀
3．\t二值腐蚀和膨胀的性质
11．2．2\t 二值开启和闭合运算
1．\t二值开启和闭合
2．\t二值开启和闭合的性质
11．2．3\t 击中/击不中运算
1．\t击中/击不中运算步骤
2．\t击中/击不中运算一例
11．3\t二值图像形态学处理的应用
11．3．1\t 细化与厚化处理
1．\t二值细化
2．\t二值厚化
11．3．2\t 滤波与去噪处理
1．\t二值滤波
2．\t二值去噪
11．3．3\t 边缘提取与区域填充
1．\t二值边缘提取
2．\t二值区域填充
11．4\t灰度图像形态学处理
11．4．1\t 灰度腐蚀和膨胀运算
1．\t灰度膨胀
2．\t灰度腐蚀
11．4．2\t 灰度开启和闭合运算
1．\t灰度开启和闭合
2．\t灰度开启和闭合的应用
第十二章\tPDE图像处理
12．1\t偏微分方程基础
12．1．1\t偏微分方程
1．\t偏微分方程定义
2．\t常见偏微分方程
3．\t初始条件与边界条件
4．\t偏微分方程的解
5．\t偏微分方程的差分近似
12．1．2\t泛函和变分
1．\t泛函的定义
2．\t泛函的变分
3．\t泛函极值和欧拉方程
12．1．3\t全变分处理
12．1．4\t梯度下降流
1．\t梯度下降流方程
2．\t梯度下降流和扩散方程
12．1．5\tPDE处理的特点
12．2\tPDE图像去噪
12．2．1\t各向异性P-M模型
12．2．2\tTV模型去噪
1．\t变分法去噪
2．\tTikhonove模型
3．\t更一般的方法
12．3\tPDE图像放大
12．3．1\t像放大的热传导方程
12．3．2\t差分计算
12．4\tPDE图像分割
12．4．1\t参数活动轮廓模型
1．\t能量方程
2．\t能量极小化过程
12．4．2\t几何活动轮廓模型
1． \tMumford-Shah模型
2． \tC-V模型
3． \t参数模型和几何模型的比较
12．5\tPDE图像修复
12．5．1\t图像修复的要求
12．5．1\tTV模型修复
第十三章\t图像超分辨率重建
13．1\t基于插值的重建
13．1．1\t图像的空间分辨率
13．1．2\t 主要理论基础
1． 信息叠加理论
2． 解析延拓理论
3． 非线性操作
13．1．3\t 分辨率下降模型
13．1．4\t 反问题的正则化求解
1．\t正则化方法
2．\t正则化参数的影响
13．1．5\t 超分辨率重建的三类方法
13．1．6\t 超分辨率重建的应用
13．2\t基于插值的超分辨率方法
13．2．1\t 最近邻插值
13．2．2\t 双线性插值
13．2．3\t 双立方插值
13．2．4\t 核回归插值
1．\t一维核回归
2．\t二维核回归
3．\t自适应核回归
13．3\t基于重建的超分辨率方法
13．3．1\t凸集投影（POCS）方法
1．\tPOCS基本原理
2．\tPOCS的约束凸集
13．3．2\t最大后验概率（MAP）方法
1．\t最大后验概率估计
2．\t基于MAP的超分辨率重建
13．3．3\t迭代反向投影（IBP）方法
13．4\t基于学习的超分辨率方法
13．4．1\t 邻域嵌入的方法
1．\t流形学习
2．\t建立训练集
3．\tNE重建
13．4．2\t 非局部滤波的方法
1．\t非局部相似性
2．\t非局部滤波处理
13．4．3\t 基于样例的方法
1．\t建立训练集
2．\t插值图像小块的处理
3．\tMarkov网络模型
13．4．4\t 基于稀疏表示的方法
1．\t稀疏表示和重建原理
2．\t稀疏重建的步骤
第十四章\tANN图像处理
14．1\t人工神经网络
14．1．1\t人工神经元
1． 从生物神经元到人工神经元
2． 激活函数
14．1．2\t人工神经网络
1． 感知机
2． 从感知机到神经网络
14．1．3\t神经网络的工作过程
1． 神经网络的类型
2． 神经网络的学习方式
3． 局部极值与全局极值
14．1．4\t常见神经网络
1． RBF网络
2． ART网络
3． SOM网络
4． 级连相关网络
5． Elma网络
6． Boltzmann机
14．1．5\t神经网络的特点和应用
1． 人工神经网络的特点
2． 人工神经网络的应用
14．2\tBP网络
14．2．1\tBP网络的算法结构
14．2．2\tBP网络权值的迭代估计
14．2．3\tBP算法流程BP
14．2．4\tBP网络的几个问题
14．3\t基于CNN的图像处理
14．3．1\t深度学习网络
14．3．2\t卷积神经网络结构
1． CNN结构
2． 局部连接
3． 权值共享
4． 结果池化
14．3．3\tCNN一例
14．3．4\t卷积层
14．3．5\t池化层
14．3．6\t全连接层
14．4\t基于GAN的图像处理
14．4．1\t生成模型和判别模型
14．4．2\tGAN的基本原理
14．4．3\tGAN的工作过程
14．4．4\tGAN的学习方法
1． GAN的训练机制
2． GAN的全局最优解和收敛性
14．4．5\tGAN的特点
14．4．6\tGAN的应用
1． 图像超分辨率
2． 图像翻译
3． 图像生成
第十五章\t图像压缩感知
15．1\t压缩感知基础
15．1．1\t从传统压缩到感知压缩
15．1．2\t 信号的稀疏表示
15．1．3\t 稀疏信号的测量
1．\t测量矩阵的要求
2．\t常见的测量矩阵
15．1．4\t 感知信号的重建
15．2\t从测量值重建原信号
15．2．1\t 信号重建的基本概念
1．\t矢量的范数
2．\t三维信号的CS重建
3．\t多维信号的CS重建
15．2．2\t 典型的重建算法
1．\t正交匹配追踪算法
2．\t梯度投影算法
3．\t全变分重建算法
15．3\t视频压缩感知
15．3．1\t全感知和压缩感知
15．3．2\t 视频压缩感知系统
15．3．3\t 分块视频压缩感知
1．\t预处理
2．\tCS测量
3．\t量化和熵编码
4．\tCS重建
5．\t运动估计和预测模式
6．\t图像输出