數字圖像分析與模式識別

內容簡介

主要內容分為五部分，第一部分（包括1-4章），主要介紹了圖像處理與分析的基礎理論與相關的MATLAB仿真的編程方法與部分M函式，並介紹了幾種較新的變換技術，如Contourlet變換等。第二部分主要介紹圖像分析的預處理過程（第5章），包括圖像濾噪、邊緣檢測與圖像分割，並給出了相關MATLAB仿真程式與結果，並介紹了圖像預處理的研究現狀與最新成果。

第三部分主要介紹了圖像的特徵提取方法（第6章），包括基於邊緣的特徵提取、基於內容的特徵提取、基於形狀的特徵提取與基於紋理結構的特徵提取的典型方法與最新成果。第四部分主要介紹了特徵的選擇與最佳化算法（第七章），包括特徵的預處理、PCA、ICA等線性方法、組合最佳化算法、（如模擬退火、遺傳算法等）、基於統計假設檢驗的特徵選擇方法與ISOMAP等非線性降維方法。第五部分主要介紹了圖像分析的模式識別與分類方法（第八、九章）有貝葉斯決策、線性分類、近鄰算法、聚類算法、神經網路與支持向量機等，並給出了主要的MATLAB仿真程式。

圖書目錄

第1章緒論
1.1 圖像工程
1.2 圖像工程相關的硬體
1.3 圖像工程相關的軟體
1.4 圖像分析與模式識別
參考文獻
第2章數字圖像的表示與編碼
2.1 圖像數位化
2.2 圖像數位化對圖像信息的影響
2.3 數字圖像編碼基礎
2.4 數字圖像的預測編碼
2.5 數字圖像的變換編碼
2.6 與數字圖像表示與編碼相關的Matlab編程
參考文獻
第3章數字圖像的直方圖與幾何變換
3.1 圖像直方圖
3.2 基於圖像直方圖的圖像操作
3.3 圖像的幾何變換
3.4 基於控制點的圖像空間變換
第4章數字圖像的變換域處理
4.1 傅立葉變換
4.2 離散餘弦變換
4.3 離散哈特利變換
4.4 方波型變換
4.5 基於特徵分析的變換
4.6 小波變換
4.7 Radon變換
4.8 Contourlet變換
參考文獻
第5章數字圖像的預處理技術
5.1 圖像退化模型與噪聲分類
5.2 圖像噪聲的空間域濾波方法
5.3 周期噪聲與頻域濾波
5.4 小波濾波
5.5 偏微分方程圖像去噪
5.6 邊緣檢測
參考文獻
第6章數字圖像的特徵提取
6.1 數字圖像的特徵與標準
6.2 基於邊界的特徵提取
6.3 基於區域的特徵提取
6.4 基於正交矩的圖像特徵
6.5 基於形狀的圖像特徵
6.6 基於紋理的圖像特徵
參考文獻
第7章特徵的選擇與最佳化
7.1 特徵選擇的預處理
7.2 主成分分析（PCA）
7.3 獨立成分分析（ICA）
7.4 基於組合最佳化的特徵選擇
7.5 基於統計假設檢驗的特徵選擇
7.6 基於流形學習的非線性降維方法
參考文獻
第8章基於監督學習的模式識別
8.1 貝葉斯決策理論
8.2 線性分類器
8.3 近鄰分類算法
8.4 人工神經網路
8.5 支持向量機
參考文獻
第9章非監督學習的模式識別
9.1 相似性度量
9.2 聚類算法
9.3 基於核的聚類算法
9.4 基於模糊理論的聚類算法
9.5 其他聚類算法
參考文獻

數字圖像分析與模式識別

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條