精通Matlab数字图像处理与识别(第1版+第2版)

精通Matlab数字图像处理与识别(第1版)

《精通Matlab数字图像处理与识别》将理论知识、科学研究和工程实践有机结合起来,内容涉及数字图像处理和识别技术的方方面面,*括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像*征提取的相关内容;同时对于机器视觉进行了前导性的探究,重点介绍了两种目前在工程技术*域非常流行的分类技术——人工*经网络(ANN)和支持向量机(SVM),并在人脸识别这样的热点问题中结束本书。

《精通Matlab数字图像处理与识别》结构紧凑,内容深入浅出,讲解图文并茂,适合计算机、通信和自动化等相关*业的本科生、研究生,以及工作在图像处理和识别*域*线的广大工程技术人员参考使用。

图像处理、图像分析和图像识别是认知科学与计算机科学中的一个令人兴奋的活跃分支。从1970年这个领域经历了人们对其兴趣的爆炸性增长以来,到20世纪末逐渐步入成熟。其中,遥感、技术诊断、智能车自主导航、医学平面和立体成像以及自动监视领域是发展最快的一些方向。这种进展最集中地体现在市场上多种应用这类技术的产品的纷纷涌现。事实上,从数字图像处理到数字图像分析,再发展到最前沿的图像识别技术,其核心都是对数字图像中所含有的信息的提取及与其相关的各种辅助过程。
1.数字图像处理
数字图像处理(Digital Image Processing)就是指使用电子计算机对量化的数字图像进行处理,具体地说就是通过对图像进行各种加工来改善图像的外观,是对图像的修改和增强。
图像处理的输入是从传感器或其他来源获取的原始的数字图像,输出是经过处理后的输出图像。处理的目的可能是使输出图像具有更好的效果,以便于人的观察;也可能是为图像分析和识别做准备,此时的图像处理是作为一种预处理步骤,输出图像将进一步供其他图像分析、识别算法使用。
2.数字图像分析
数字图像分析(Digital Image Analyzing)是指对图像中感兴趣的目标进行检测和测量,以获得客观的信息。数字图像分析通常是指将一幅图像转化为另一种非图像的抽象形式,如图像中某物体与测量者的距离以及目标对象的计数或其尺寸等。这一概念的外延包括边缘检测和图像分割、特征提取以及几何测量与计数等。
图像分析的输入是经过处理的数字图像,其输出通常不再是数字图像,而是一系列与目标相关的图像特征(目标的描述),如目标的长度、颜色、曲率和个数等。

目 录

第 1章 初识数字图像处理与识别 1
1.1 数字图像 1
1.1.1 什么是数字图像 1
1.1.2 数字图像的显示 1
1.1.3 数字图像的分类 2
1.1.4 数字图像的实质 3
1.1.5 数字图像的表示 4
1.1.6 图像的空间和灰度级分辨率 5
1.2 数字图像处理与识别 6
1.2.1 从图像处理到图像识别 6
1.2.2 数字图像处理与识别的应用实例 7
1.2.3 数字图像处理与识别的基本步骤 9
1.3 数字图像处理的预备知识 10
1.3.1 邻接性、连通性、区域和边界 10
1.3.2 距离度量的几种方法 11
1.3.3 基本的图像操作 12

第 2章 Matlab数字图像处理基础 13
2.1 Matlab R2011a简介 13
2.1.1 Matlab软件环境 13
2.1.2 文件操作 14
2.1.3 在线帮助的使用 15
2.1.4 变量的使用 18
2.1.5 矩阵的使用 20
2.1.6 细胞数组和结构体 23
2.1.7 关系运算与逻辑运算 24
2.1.8 常用图像处理数学函数 25
2.1.9 Matlab程序流程控制 26
2.1.10 M文件编写 29
2.1.11 Matlab函数编写 30
2.2 Matlab图像类型及其存储方式 32
2.3 Matlab的图像转换 35
2.4 读取和写入图像文件 37
2.5 图像的显示 39

第3章 图像的点运算 42
3.1 灰度直方图 42
3.1.1 理论基础 42
3.1.2 Matlab实现 43
3.2 灰度的线性变换 46
3.2.1 理论基础 46
3.2.2 Matlab实现 46
3.3 灰度对数变换 49
3.3.1 理论基础 49
3.3.2 Matlab实现 50
3.4 伽玛变换 51
3.4.1 理论基础 51
3.4.2 Matlab实现 51
3.5 灰度阈值变换 53
3.5.1 理论基础 53
3.5.2 Matlab实现 54
3.6 分段线性变换 55
3.6.1 理论基础 55
3.6.2 Matlab实现 56
3.7 直方图均衡化 60
3.7.1 理论基础 60
3.7.2 Matlab实现 61
3.8 直方图规定化 63
3.8.1 理论基础 63
3.8.2 Matlab实现 64

第4章 图像的几何变换 66
4.1 解决几何变换的*般思路 66
4.2 图像平移 67
4.2.1 图像平移的变换公式 68
4.2.2 图像平移的Matlab实现 68
4.3 图像镜像 70
4.3.1 图像镜像的变换公式 70
4.3.2 图像镜像的Matlab实现 71
4.4 图像转置 72
4.4.1 图像转置的变换公式 72
4.4.2 图像转置的Matlab实现 72
4.5 图像缩放 73
4.5.1 图像缩放的变换公式 73
4.5.2 图像缩放的Matlab实现 74
4.6 图像旋转 75
4.6.1 以原点为中心的图像旋转 75
4.6.2 以任意点为中心的图像旋转 75
4.6.3 图像旋转的Matlab实现 77
4.7 插值算法 77
4.7.1 **近邻插值 78
4.7.2 双线性插值 78
4.7.3 **插值 79
4.8 Matlab综合案例——人脸图像配准 81
4.8.1 什么是图像配准 81
4.8.2 人脸图像配准的Matlab实现 81

第5章 空间域图像增强 85
5.1 图像增强基础 85
5.1.1 为什么要进行图像增强 85
5.1.2 图像增强的分类 85
5.2 空间域滤波 86
5.2.1 空间域滤波和邻域处理 86
5.2.2 边界处理 87
5.2.3 相关和卷积 88
5.2.4 滤波操作的Matlab实现 88
5.3 图像平滑 90
5.3.1 平均模板及其实现 90
5.3.2 *斯平滑及其实现 92
5.3.3 自适应平滑滤波 95
5.4 中值滤波 95
5.4.1 性能比较 95
5.4.2 *种改进的中值滤波策略 98
5.4.3 中值滤波的工作原理 98
5.5 图像锐化 98
5.5.1 理论基础 98
5.5.2 基于**导数的图像增强——梯度算子 98
5.5.3 基于二*微分的图像增强——拉普拉斯算子 101
5.5.4 基于**与二*导数的锐化算子的比较 104
5.5.5 *提*滤波及其实现 105
5.5.6 *斯-拉普拉斯变换(Laplacian of a Gaussian, LoG) 106

第6章 频率域图像增强 109
6.1 频率域滤波——与空间域滤波殊途同归 109
6.2 傅立叶变换基础知识 109
6.2.1 傅立叶级数 110
6.2.2 傅立叶变换 111
6.2.3 幅度谱、相位谱和功率谱 114
6.2.4 傅立叶变换的实质—基的转换 115
6.3 快速傅立叶变换及实现 116
6.3.1 FFT变换的*要性 117
6.3.2 常见的FFT算法 117
6.3.3 按时间抽取的基-2 FFT算法 118
6.3.4 离散反傅立叶变换的快速算法 121
6.3.5 N维快速傅立叶变换 121
6.3.6 Matlab实现 122
6.4 频域滤波基础 126
6.4.1 频域滤波与空域滤波的关系 126
6.4.2 频域滤波的基本步骤 126
6.4.3 频域滤波的Matlab实现 127
6.5 频域低通滤波器 128
6.5.1 理想低通滤波器及其实现 128
6.5.2 *斯低通滤波器及其实现 131
6.6 频率域*通滤波器 135
6.6.1 *斯*通滤波器及其实现 135
6.6.2 频域拉普拉斯滤波器及其实现 137
6.7 Matlab综合案例——利用频域滤波*周期噪声 139
6.7.1 频域带阻滤波器 139
6.7.2 带阻滤波*周期噪声 141
6.8 频域滤波器与空域滤波器之间的内在联系 143

第7章 小波变换 146
7.1 多分辨率分析 146
7.1.1 多分辨率框架 146
7.1.2 分解与重构的实现 153
7.1.3 图像处理中分解与重构的实现 155
7.2 Gabor多分辨率分析 160
7.3 常见小波分析 163
7.3.1 Haar小波 164
7.3.2 Daubechies小波 166
7.4 *维小波 168

第8章 图像复原 171
8.1 图像复原的*般理论 171
8.1.1 图像复原的基本概念 171
8.1.2 图像复原的*般模型 172
8.2 实用图像复原技术 190
8.2.1 图像复原的数值计算方法 190
8.2.2 非线性复原 193

第9章 彩色图像处理 197
9.1 彩色基础 197
9.1.1 什么是彩色 198
9.1.2 我们眼中的彩色 198
9.1.3 三原色 198
9.1.4 计算机中的颜色表示 199
9.2 彩色模型 200
9.2.1 RGB模型 200
9.2.2 CMY、CMYK模型 202
9.2.3 HSI模型 203
9.2.4 HSV模型 207
9.2.5 YUV模型 210
9.2.6 YIQ模型 213
9.2.7 Lab模型简介 214
9.3 *彩色图像处理基础 215
9.3.1 彩色补偿及其Matlab实现 215
9.3.2 彩色平衡及其Matlab实现 217

第 10章 形态学图像处理 220
10.1 预备知识 220
10.2 二值图像中的基本形态学运算 222
10.2.1 腐蚀及其实现 222
10.2.2 膨胀及其实现 227
10.2.3 开运算及其实现 229
10.2.4 闭运算及其实现 231
10.3 二值图像中的形态学应用 232
10.3.1 击中与击*中变换及其实现 232
10.3.2 边界提取与跟踪及其实现 234
10.3.3 区域填充 235
10.3.4 连通分量提取及其实现 237
10.3.5 细化算法 240
10.3.6 像素化算法 242
10.3.7 凸壳 243
10.3.8 bwmorph函数 243
10.4 灰度图像中的基本形态学运算 244
10.4.1 灰度膨胀及其实现 244
10.4.2 灰度腐蚀及其实现 247
10.4.3 灰度开、闭运算及其实现 248
10.4.4 *帽变换(top-hat)及其实现 250
10.5 小结 252

第 11章 图像分割 253
11.1 图像分割概述 253
11.2 边缘检测 254
11.2.1 边缘检测概述 254
11.2.2 常用的边缘检测算子 255
11.2.3 Matlab实现 258
11.3 霍夫变换 261
11.3.1 直线检测 261
11.3.2 曲线检测 264
11.3.3 任意形状的检测 264
11.3.4 Hough变换直线检测的Matlab实现 265
11.4 阈值分割 268
11.4.1 阈值分割方法 268
11.4.2 Matlab实现 272
11.5 区域分割 273
11.5.1 区域生长及其实现 273
11.5.2 区域分裂与合并及其Matlab实现 275
11.6 基于形态学分水岭算法的图像分割 280
11.6.1 形态学分水岭算法 280
11.6.2 Matlab实现 283
11.7 Matlab综合案例——分水岭算法 284
11.8 小结 289

第 12章 *征提取 290
12.1 图像*征概述 290
12.1.1 什么是图像*征 290
12.1.2 图像*征的分类 290
12.1.3 *征向量及其几何解释 291
12.1.4 *征提取的*般原则 291
12.1.5 *征的评*标准 291
12.2 基本统计*征 292
12.2.1 简单的区域描绘子及其Matlab实现 292
12.2.2 直方图及其统计*征 293
12.2.3 灰度共现矩阵 295
12.3 *征降维 299
12.3.1 维度灾难 299
12.3.2 *征选择简介 299
12.3.3 主成分分析 300
12.3.4 快速PCA及其实现 307
12.4 综合案例——基于PCA的人脸*征抽取 309
12.4.1 数据集简介 309
12.4.2 生成样本矩阵 309
12.4.3 主成分分析 310
12.4.4 主成分脸可视化分析 311
12.4.5 基于主分量的人脸重建 313
12.5 局*二进制模式 315
12.5.1 基本LBP 315
12.5.2 圆形邻域的LBPP,R算子 315
12.5.3 统*化LBP算子——Uniform LBP及其Matlab实现 316
12.5.4 MB-LBP及其Matlab实现 319
12.5.5 图像分区及其Matlab实现 324

第 13章 图像识别初步 328
13.1 模式识别概述 328
13.1.1 模式与模式识别 328
13.1.2 图像识别 329
13.1.3 关键概念 329
13.1.4 识别问题的*般描述 330
13.1.5 过度拟合 331
13.1.6 模式识别系统结构 332
13.1.7 训练/学*方法分类 332
13.2 模式识别方法分类 332
13.2.1 统计模式识别 333
13.2.2 句法模式识别 333
13.2.3 小结 334
13.3 **小距离分类器和模板匹配 334
13.3.1 **小距离分类器及其Matlab实现 334
13.3.2 基于相关的模板匹配 336
13.3.3 相关匹配的计算效率 339

第 14章 人工*经网络 341
14.1 人工*经网络简介 341
14.1.1 仿生学动机 341
14.1.2 人工*经网络的应用实例 343
14.2 人工*经网络的理论基础 344
14.2.1 训练线性单元的梯度下降算法 344
14.2.2 多层人工*经网络 350
14.2.3 sigmoid单元 351
14.2.4 反向传播(BP,back propogation)算法 352
14.2.5 训练中的问题 356
14.3 *经网络算法的可视化实现 357
14.3.1 NNTool的主要功能及应用 357
14.3.2 *经网络的仿真测试 361
14.4 Matlab*经网络工具箱 365
14.4.1 网络的*建 365
14.4.2 网络初始化 365
14.4.3 网络训练 366
14.4.4 网络仿真测试 366
14.4.5 网络性能分析 367

第 15章 支持向量机 368
15.1 支持向量机的分类思想 368
15.1.1 分类模型的选择 368
15.1.2 模型参数的选择 369
15.2 支持向量机的理论基础 369
15.2.1 线性可分情况下的SVM 369
15.2.2 非线性可分情况下的C-SVM 373
15.2.3 需要核函数映射情况下的SVM 375
15.2.4 推广到多类问题 378
15.3 SVM的Matlab实现 380
15.3.1 训练——svmtrain 380
15.3.2 分类——svmclassify 382
15.3.3 应用实例 382
15.4 综合案例——基于PCA和SVM的人脸识别系统 383
15.4.1 人脸识别简介 383
15.4.2 前期处理 383
15.4.3 数据规格化 384
15.4.4 核函数的选择 387
15.4.5 参数选择 388
15.4.6 构建多类SVM分类器 390
15.4.7 实验结果 392
15.5 SVM在线资源 399
15.5.1 Matlab的SVM工具箱 399
15.5.2 LIBSVM的简介 399

参考文献 401

 

附件下载: (访问密码: 7955)

精通Matlab数字图像处理与识别

精通Matlab数字图像处理与识别

 

精通Matlab数字图像处理与识别(第1版)【立即下单】—————–

点击下单链接>>>>>>>>|    京东    |     淘宝     |     拼多多     |

 

精通MATLAB数字图像处理与识别 (第2版)

本书将理论知识、工程技术和工程实践有机结合起来,介绍了数字图像处理与识别技术的方方面面,包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像特征提取等。另外,本书还对机器视觉进行了前导性的探究,重点介绍了两种目前在工程技术领域非常流行的分类技术—人工神经网络(ANN)和支持向量机(SVM)。
本书结构紧凑,内容深入浅出、图文并茂,适合计算机、通信和自动化等相关专业的本科生、研究生,以及工作在图像处理与识别领域一线的广大工程技术人员参考使用。

商品主图

精通Matlab数字图像处理与识别(第2版)【立即下单】—————–

点击下单链接>>>>>>>>|    京东    |     淘宝     |     拼多多     |

相关文件下载地址
©下载资源版权归作者所有;本站所有资源均来源于网络,仅供学习使用,请支持正版!

标签

发表评论