智能图像处理与分析识别

　　本书系统介绍了智能图像处理所需的基本知识与核心算法，主要包括四部分内容：第一部分是数字图像处理的理论基础，包括数字图像处理概述和图像采集系统；第二部分是数字图像处理的基本方法和实例，包括数字图像基础、图像预处理、图像变换和图像复原；第三部分是图像特征提取与分析的理论、方法和实例，包括图像分割、图像特征提取与选择、图像匹配和图像智能识别方法；第四部分是数字图像处理的工程应用案例，包括米粒分类识别、多气泡上升轨迹跟踪、血细胞图像检测、手写字符识别和汽车牌照识别。本书基础理论知识覆盖面较全，讲解过程深入浅出，可以促进学生对图像处理知识的理解和学习；案例的设计思路和开发经验讲解详细，引导读者进行图像处理技术实际工程能力的锻炼及开拓创新意识的培养；提供电子教案、二维码操作视频、教学大纲、习题与解答及完整源代码电子资源，对从事图像处理领域项目开发的读者有很好的借鉴作用，读者可登录wwwcmpeducom免费注册、审核通过后下载使用，或联系编辑索取（微信13146070618，电话010-88379739）；融入了科技创新、文化自信、爱国主义等思政元素，全方位培养学生的家国情怀。本书可作为高校人工智能、计算机科学与技术、机器人工程、控制科学与工程、通信与信息工程、电子科学与技术、生物医学工程等相关专业的本科生和研究生教材，也可供从事图像处理、分析和识别等相关领域的科技工作者参考。

暂缺《智能图像处理与分析识别》作者简介

前言
第1章数字图像处理概述
1.1数字图像处理的产生与发展
1.2数字图像的基本概念
1.2.1图像与数字图像
1.2.2数字图像的存储格式
1.3数字图像处理的基本内容和
基本步骤
1.3.1基本内容
1.3.2基本步骤
1.4数字图像处理的工程应用
1.5数字图像处理的机遇与挑战
【本章小结】
【课后习题】
第2章图像采集系统
2.1光源
2.1.1光源的类型
2.1.2光源的颜色
2.1.3照明方式
2.1.4光源的选择
2.2镜头
2.2.1镜头的成像原理
2.2.2镜头的主要参数
2.2.3镜头的类型
2.2.4镜头的选择
2.3相机
2.3.1相机芯片的主要参数
2.3.2相机的主要参数
2.3.3相机的类型
2.3.4相机的选择
【本章小结】
【课后习题】
第3章数字图像基础
3.1图像采样和量化
3.1.1采样
3.1.2量化
3.1.3采样与量化参数的选择
3.2像素间的基本关系
3.2.1像素的邻接
3.2.2邻接性、连通性、区域和边界
3.2.3距离度量
3.3灰度直方图
3.3.1直方图的定义
3.3.2直方图的特性
3.3.3直方图的作用
3.4图像质量评价
3.4.1图像质量评价方法
3.4.2均方误差
3.4.3信噪比与峰值信噪比
3.4.4结构相似度
3.5图像的点运算
3.6图像的代数运算
3.6.1加法运算
3.6.2减法运算
3.6.3乘法运算
3.6.4除法运算
3.7图像的几何运算
【本章小结】
【课后习题】
第4章图像预处理技术
4.1图像的灰度变换
4.1.1线性变换
4.1.2分段线性变换
4.1.3灰度对数变换
4.1.4直方图均衡化
4.2图像的几何变换
4.2.1平移
4.2.2旋转
4.2.3镜像
4.2.4比例放缩
4.2.5插值
4.3空间滤波增强
4.3.1空间滤波机理
4.3.2均值滤波
4.3.3中值滤波
4.4形态学处理
4.4.1腐蚀
4.4.2膨胀
4.4.3开运算
4.4.4闭运算
4.4.5细化
4.4.6填充
【本章小结】
【课后习题】
第5章图像变换
5.1傅里叶变换
5.1.1一维和二维傅里叶变换基本
原理
5.1.2傅里叶变换的性质
5.1.3频率域滤波（低通、高通、高斯、
带通及带阻滤波器）
5.1.4基于傅里叶变换的图像频域滤波
实现
5.2小波变换
5.2.1图像二维离散小波变换
5.2.2基于小波变换的图像去噪
5.2.3基于小波变换的图像融合
【本章小结】
【课后习题】
第6章图像复原
6.1图像复原的理论模型
6.2噪声模型
6.2.1噪声的分类
6.2.2一些重要噪声的概率密度函数
6.2.3周期噪声
6.2.4估计噪声参数
6.3几种较经典的图像复原方法
6.3.1逆滤波复原
6.3.2维纳滤波复原
6.3.3有约束最小二乘复原
6.3.4盲去卷积图像复原
6.4图像复原案例：PLSMS模型
夜间雾霾图像的复原
6.4.1多散射成分
6.4.2PLSMS模型的描述
【本章小结】
【课后习题】
第7章图像分割技术
7.1阈值分割
7.1.1极小值点阈值法
7.1.2最小均方误差阈值法
7.1.3迭代选择阈值法
7.1.4双峰阈值法
7.1.5最大类间方差阈值法
7.2边缘检测
7.2.1Roberts边缘算子
7.2.2Prewitt边缘算子
7.2.3Sobel边缘算子
7.2.4Laplacian边缘算子
7.2.5LoG边缘算子
7.2.6Canny边缘算子
7.2.7边缘检测算子MATLAB实现及
主要特性分析
7.3Hough变换
7.3.1Hough变换概述
7.3.2基于Hough变换的直线检测
7.3.3基于Hough变换的曲线检测
7.4基于区域的图像分割
7.4.1区域生长算法
7.4.2区域分裂合并算法
7.5形态学分水岭分割
7.5.1距离变换
7.5.2分水岭建坝
7.5.3分水岭分割算法
【本章小结】
【课后习题】
第8章图像特征提取与选择
8.1几何特征
8.1.1位置
8.1.2方向
8.1.3周长
8.1.4面积
8.1.5矩形度
8.1.6长宽比
8.1.7圆形度
8.1.8偏心率
8.2颜色特征
8.2.1颜色模型
8.2.2颜色直方图
8.2.3颜色矩
8.2.4颜色聚合向量
8.2.5颜色相关图
8.3纹理特征
8.3.1基于灰度共生矩阵的纹理
特征构建
8.3.2基于灰度-梯度共生矩阵的
纹理特征构建
8.4基于主成分分析的特征选择
8.4.1KL变换
8.4.2PCA的基本原理
8.4.3PCA代码实现
8.5基于分离判据的特征选择
【本章小结】
【课后习题】
第9章图像匹配
9.1模板匹配的概念
9.2基于灰度相关的模板匹配
9.2.1MAD算法
9.2.2SAD算法
9.2.3SSD算法
9.2.4NCC算法
9.2.5SSDA算法
9.2.6SATD算法
9.3基于变换域的模板匹配
9.4基于特征相关的模板匹配
9.4.1基于SIFT算法的图像匹配
9.4.2基于SURF算法的图像匹配
9.4.3基于ORB算法的图像匹配
【本章小结】
【课后习题】
第10章图像智能识别方法
10.1聚类识别
10.1.1聚类算法主要思想
10.1.2KMeans聚类算法理论基础
10.1.3聚类算法的实现
10.2支持向量机（SVM）识别
10.2.1SVM的分类思想
10.2.2SVM的基本理论
10.2.3SVM算法的实现
10.3人工神经网络识别
10.3.1人工神经网络的主要思想
10.3.2BP神经网络的理论基础
10.3.3BP神经网络的实现
10.4卷积神经网络（CNN）识别
10.4.1CNN的主要思想
10.4.2CNN的理论基础
10.4.3CNN算法的实现
【本章小结】
【课后习题】
第11章工程应用——米粒分类
识别
11.1米粒图像预处理
11.1.1图像背景均匀化
11.1.2图像二值化
11.1.3图像去噪及米粒填充
11.2米粒图像轮廓提取
11.3米粒图像特征提取
11.4米粒分类
【本章小结】
第12章工程应用——多气泡上升
轨迹跟踪
12.1研究背景
12.2气泡图像的预处理
12.2.1气泡图像去噪
12.2.2气泡图像二值化
12.2.3气泡图像填充
12.3气泡运动轨迹跟踪方法
12.3.1基于互相关匹配的目标跟踪
12.3.2基于图像小波变换互相关
匹配的气泡轨迹跟踪实现
12.3.3基于MeanShift算法的目标
跟踪
【本章小结】
第13章工程应用——血细胞图像
检测
13.1血细胞图像形态学处理
13.1.1图像预处理
13.1.2细胞的形态学分割
13.1.3细胞图像边缘处理
13.2血细胞图像阈值分割处理
13.2.1全局阈值分割
13.2.2动态阈值分割
13.2.3目标提取
13.3血细胞图像霍夫圆检测
13.3.1图像去噪
13.3.2霍夫圆检测
13.4血细胞计数与面积计算
【本章小结】
第14章工程应用——手写字符识别
14.1手写字符定位与分割
14.2图像裁剪及标准化
14.3特征矩阵提取
14.4模板库建立
14.5字符匹配识别
14.6算法测试与应用
【本章小结】
第15章工程应用——汽车牌照
识别
15.1车牌图像采集
15.2车牌图像预处理及牌照定位
15.3汽车牌照区域的分割
15.4字符图像分割
15.5字符细化
15.6BP神经网络的训练和字符的
识别
【本章小结】
参考文献