图像工程 中 图像分析 第4版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

图像工程 中 图像分析 第4版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 图像和图像工程1

1.1.1 图像基础1

1.1.2 图像工程2

1.2 图像分析概论5

1.2.1 图像分析定义和研究内容5

1.2.2 图像分析系统7

1.3 图像分析中的数字化8

1.3.1 离散距离8

1.3.2 连通组元10

1.3.3 数字化模型12

1.3.4 数字弧和弦16

1.4 距离变换18

1.4.1 定义和性质18

1.4.2 局部距离的计算19

1.4.3 距离变换的实现20

1.5 内容框架和特点22

总结和复习24

第1单元 图像分割29

第2章 图像分割基础29

2.1 图像分割定义和技术分类29

2.2 并行边界技术30

2.2.1 边缘及检测原理30

2.2.2 正交梯度算子31

2.2.3 方向微分算子32

2.2.4 二阶导数算子34

2.2.5 边界闭合38

2.3 串行边界技术39

2.3.1 主动轮廓模型39

2.3.2 能量函数40

2.4 并行区域技术42

2.4.1 原理和分类42

2.4.2 依赖像素的阈值选取44

2.4.3 依赖区域的阈值选取46

2.4.4 依赖坐标的阈值选取49

2.4.5 空间聚类50

2.5 串行区域技术51

2.5.1 区域生长51

2.5.2 分裂合并52

总结和复习53

第3章 典型分割算法57

3.1 兴趣点检测57

3.1.1 二阶导数检测角点57

3.1.2 最小核同值区算子58

3.1.3 哈里斯兴趣点算子62

3.2 图割方法64

3.3 特色的阈值化和聚类技术70

3.3.1 多分辨率阈值选取70

3.3.2 借助过渡区选择阈值71

3.3.3 借助均移确定聚类74

3.4 分水岭分割算法76

3.4.1 基本原理和步骤76

3.4.2 算法改进和扩展80

总结和复习83

第4章 分割技术扩展86

4.1 从像素单元到目标单元86

4.1.1 像素和目标之间的单元87

4.1.2 椭圆目标检测88

4.2 从哈夫变换到广义哈夫变换90

4.2.1 哈夫变换90

4.2.2 广义哈夫变换原理94

4.2.3 完整广义哈夫变换96

4.3 从像素精度到亚像素精度98

4.3.1 基于矩保持的技术98

4.3.2 利用一阶微分期望值的技术99

4.3.3 借助切线信息的技术99

4.4 从2-D图像到3-D图像101

4.4.1 3-D边缘检测102

4.4.2 3-D图像阈值化106

4.5 从灰度图像到彩色图像108

4.5.1 彩色空间的选择108

4.5.2 彩色图像分割策略109

总结和复习110

第5章 分割评价比较113

5.1 分割评价研究分类114

5.2 分割算法评价框架115

5.3 分割评价的准则117

5.3.1 分析法准则117

5.3.2 优度试验法准则119

5.3.3 差异试验法准则120

5.4 分割算法评价示例122

5.4.1 实验算法和图像122

5.4.2 实验结果和讨论123

5.5 评价方法和准则比较125

5.5.1 方法讨论和对比126

5.5.2 准则的分析比较127

5.5.3 准则的实验比较128

5.6 基于评价的算法优选系统131

5.6.1 算法优选思想和策略131

5.6.2 优选系统的实现和效果132

总结和复习134

第2单元 表达描述139

第6章 目标表达139

6.1 基于边界的表达139

6.1.1 技术分类139

6.1.2 链码140

6.1.3 边界段142

6.1.4 边界标志144

6.1.5 多边形146

6.1.6 地标点147

6.2 基于区域的表达148

6.2.1 技术分类148

6.2.2 空间占有数组149

6.2.3 四叉树149

6.2.4 金字塔151

6.2.5 围绕区域152

6.2.6 骨架154

6.3 基于变换的表达157

6.3.1 技术分类157

6.3.2 傅里叶变换表达158

总结和复习159

第7章 目标描述162

7.1 基于边界的描述162

7.1.1 简单边界描述符162

7.1.2 形状数164

7.1.3 边界矩165

7.2 基于区域的描述165

7.2.1 简单区域描述符165

7.2.2 拓扑描述符170

7.2.3 区域不变矩174

7.3 对目标关系的描述177

7.3.1 目标标记和计数177

7.3.2 点目标的分布183

7.3.3 字符串描述184

7.3.4 树结构描述186

总结和复习187

第8章 测量和误差分析189

8.1 直接测度和间接测度189

8.2 需区别的术语191

8.2.1 准确性和精确性191

8.2.2 模型假设和实际观察193

8.2.3 4-连通和8-连通194

8.3 影响测量误差的因素196

8.3.1 误差来源196

8.3.2 光学镜头分辨率197

8.3.3 采样密度198

8.3.4 分割算法204

8.3.5 特征计算公式205

8.3.6 综合影响208

8.3.7 随机样本共识208

8.4 误差分析209

总结和复习211

第3单元 特性分析215

第9章 纹理分析215

9.1 纹理研究概况215

9.2 纹理描述的统计方法217

9.2.1 灰度共生矩阵217

9.2.2 基于共生矩阵的纹理描述符218

9.2.3 基于能量的纹理描述符219

9.3 纹理描述的结构方法221

9.3.1 结构描述法基础221

9.3.2 纹理镶嵌223

9.3.3 局部二值模式224

9.4 纹理描述的频谱方法227

9.4.1 傅里叶频谱227

9.4.2 盖伯频谱228

9.5 一种纹理分类合成方法230

9.6 纹理分割232

9.6.1 有监督纹理分割233

9.6.2 无监督纹理分割235

总结和复习237

第10章 形状分析240

10.1 形状定义和研究240

10.2 平面形状的分类242

10.3 形状特性的描述243

10.3.1 形状紧凑性描述244

10.3.2 形状复杂性描述249

10.4 基于技术的描述252

10.4.1 基于多边形的描述符252

10.4.2 基于离散曲率的描述符254

10.5 拓扑结构的描述257

10.6 分形维数258

总结和复习262

第11章 运动分析264

11.1 运动研究内容264

11.2 运动目标检测265

11.2.1 背景建模265

11.2.2 光流场270

11.2.3 特定运动模式的检测273

11.3 运动目标分割274

11.3.1 目标分割和运动信息提取274

11.3.2 稠密光流算法275

11.3.3 基于参数和模型的分割277

11.4 运动目标跟踪280

11.4.1 典型技术280

11.4.2 子序列决策策略286

总结和复习287

第12章 显著性和属性289

12.1 显著性概述290

12.2 显著性检测292

12.3 显著区域分割提取294

12.3.1 基于对比度幅值294

12.3.2 基于对比度分布296

12.3.3 基于最小方向对比度298

12.3.4 显著目标分割和评价300

12.4 属性描述概况302

12.5 属性提取中的特征比较304

12.6 属性应用306

12.6.1 跨类目标分类306

12.6.2 属性学习和目标识别308

12.6.3 基于局部动作属性的动作分类310

总结和复习311

第4单元 数学工具317

第13章 数学形态学：二值317

13.1 基本集合定义317

13.2 二值形态学基本运算319

13.2.1 二值膨胀和腐蚀319

13.2.2 二值开启和闭合324

13.2.3 二值基本运算性质326

13.3 二值形态学组合运算327

13.3.1 击中-击不中变换327

13.3.2 二值组合运算330

13.4 二值形态学实用算法334

总结和复习339

第14章 数学形态学：灰度341

14.1 灰度图像的排序341

14.2 灰度形态学基本运算342

14.2.1 灰度膨胀和腐蚀342

14.2.2 灰度开启和闭合346

14.2.3 灰度基本运算性质348

14.3 灰度形态学组合运算348

14.4 灰度形态学实用算法352

14.5 图像代数358

总结和复习361

第15章 图像识别364

15.1 模式和分类364

15.2 不变量交叉比365

15.2.1 交叉比365

15.2.2 非共线点的不变量367

15.2.3 对称的交叉比函数368

15.2.4 交叉比应用示例369

15.3 统计模式识别370

15.3.1 最小距离分类器370

15.3.2 最优统计分类器371

15.3.3 自适应自举375

15.4 感知机和支持向量机376

15.4.1 感知机376

15.4.2 支持向量机380

15.5 结构模式识别383

15.5.1 字符串结构识别383

15.5.2 树结构识别386

总结和复习388

附录A 人脸和表情识别391

A.1 生物特征识别391

A.2 人脸检测定位392

A.2.1 基本方法393

A.2.2 基于豪斯道夫距离的方法393

A.3 脸部器官提取和跟踪396

A.3.1 眼睛几何模型及确定396

A.3.2 眨眼过程中的眼睛轮廓跟踪398

A.4 表情识别400

A.4.1 表情识别和步骤400

A.4.2 表情特征提取401

A.4.3 基于盖伯变换的特征提取405

A.4.4 表情分类406

A.4.5 基于高阶奇异值分解的分类408

A.5 人脸识别412

A.5.1 边缘本征矢量加权方法412

A.5.2 非特定表情人脸识别413

部分思考题和练习题解答415

参考文献421

主题索引438