《数字图像处理与模式识别》求取 ⇩

第一篇图象预处理1

第一章　理论基础3

1-1　图象的形成及其数学表示3

1-2　图象函数与线性系统8

1-3　空间频率响应与二维傅里叶变换11

1-4　二维离散序列及其傅里叶变换16

1-5　离散傅里叶级数和离散傅里叶变换19

1-6　二维离散序列的卷积23

1-7　二维离散序列的线性变换27

1-8　二维图象函数的展开31

1-8-1　连续图象函数展开31

1-8-2　离散数字图象展开32

1-9　用随机过程表示图象35

1-10　三维序列简介37

第二章　人视觉系统模型41

2-1　视觉系统的构造41

2-2　视觉系统对外界光刺激的响应43

2-3　视觉系统的图形识别能力45

2-4　视觉系统的频率特性46

2-5　关于视觉系统等效模型的一些研究结果48

第三章　图象数字化51

3-1　二维采样理论51

3-1-1　图象空间域采样网格与空间频率域网格的关系51

3-1-2　二维采样函数53

3-1-3　二维采样54

3-1-4　对图象集合采样56

3-1-5　频率混迭问题58

3-2　正交函数展开采样59

3-3K-L变换采样62

3-4　图象样本的量化63

3-4-1　量化分层与图象内容的关系64

3-4-2　量化误差及最佳量化65

3-4-3　非均匀量化器的简单分析67

3-5　关于采样与量化的补充说明69

第四章图象信息的压缩73

4-1　图象空间域压缩编码74

4-1-1DPCM编码74

4-1-2　增量调制（△M）78

4-1-3　预测编码的简单分析79

4-1-4　段长编码81

4-2　变换域压缩技术82

4-3　混合压缩方法86

4-4　图象信息的基本概念88

4-4-1　率失真函数简介88

4-4-2　图象信息含量、多余度与压缩比91

4-5　图象压缩的进一步讨论94

第五章　图象增强98

5-1　图象降质函数98

5-2　灰度变换技术104

5-2-1　灰度直接变换技术104

5-2-2　灰度直方图变换技术106

5-3　伪彩色（Psudo-Color）增强技术110

5-4　微分运算增强技术112

5-5　图象噪声的清除115

5-6　图象增强综论118

第六章　图象恢复技术120

6-1　概述120

6-2　几何失真和灰度失真的校正122

6-2-1　几何失真的校正122

6-2-2　灰度失真的校正123

6-3　运动模糊的等效降质函数及其校正124

6-3-1　运动模糊的等效降质函数124

6-3-2　运动模糊的一种校正方法125

6-4　空间频率域滤波法128

6-4-1　逆滤波法128

6-4-2Wiener最佳滤波129

6-4-3　影像匹配滤波133

6-5　代数解卷——空间域解卷法133

6-5-1　以图象最平滑为条件求最佳解133

6-5-2　以图象熵极大为条件求最佳解135

6-6　代数解卷——正交投影迭代法137

6-6-1　多次正交投影迭代算法137

6-6-2　投影算子迭代解法140

6-7　线性预测图象恢复算法143

6-8　二维同态解卷技术147

6-9　图象恢复其他方法综述148

第二篇图象分析155

第七章　图象检测157

7-1　图象二值化157

7-2　界线（或边沿）的检测162

7-3　结构特性突变的检测167

7-4　图形匹配检测技术169

7-4-1　模板匹配法169

7-4-2　匹配滤波技术175

7-5　线条的检测与跟踪178

7-6　图象中物体的检测181

7-6-1　象素灰度类聚的检测181

7-6-2　从投影与截面估计物体182

7-6-3　从高阶矩估计物体184

第八章　图象几何特征分析186

8-1　邻接与连通关系186

8-2　边沿（界线）跟踪188

8-2-1　并行算法188

8-2-2　串行跟踪算法190

8-3　图象的几何参数测量191

8-4　图形骨架的提取194

8-5　线条的分析196

8-6　形状的分析202

8-6-1　图形的几何性质203

8-6-2　数学模型分析法205

8-7　纹理分析207

第三篇模式识别213

第九章　初等模式识别理论215

9-1　引言215

9-2　基本数学方法216

9-2-1　集合的一些基本概念216

9-2-2　参量估计的基本概念217

9-2-3　系统结构函数——模式识别中的极小熵理论218

9-3　基本概念和研究路线219

9-4　一个简单的统计模式分类器221

9-5　判别函数及其在特征空间的分类223

9-6　类别分界面和类别距离227

9-7　统计分类238

9-8　分类器的训练242

9-8-1　确定性的训练方法242

9-8-2　统计分类器的训练257

9-8-3　训练结果的推广259

第十章　类聚分析260

10-1　特征选择和特征参量简化理论260

10-1-1　主轴法260

10-1-2　因子分析法266

10-1-3　根据类聚程度的特征排序法271

10-2　非监督分类的参量估计274

10-3　基本类聚算法276

10-3-1　直接推断法276

10-3-2　最大距离算法277

10-3-3　结块算法279

10-4　类聚的数学模型和物理模型283

10-4-1　类聚的数学模型283

10-4-2　类聚的物理模型——吸附力模型285

10-5　树形类聚法289

10-5-1　谱系图法290

10-5-2　跨距树图表示法292

10-5-3　分享共同邻域点类聚法294

10-6　动态类聚296

第十一章　句法模式识别298

11-1　引言298

11-2　源模式及其选择300

11-3　模式文法302

11-3-1　模式文法定义302

11-3-2　模式语言的推导303

11-3-3　模式文法的类型306

11-4　等价文法——文法的化简307

11-5　执行上下文无关文法的自动机313

11-5-1　有限状态自动机313

11-5-2　下推自动机317

11-6　从给定训练模式样本集推导模式文法320

11-6-1　直接推导法321

11-6-2　状态图综合法322

11-7　其他325

第四篇模式分析与应用327

第十二章　模式分析329

12-1引言329

12-2　系统的一般结构329

12-3　控制模块的工作333

12-3-1　抽象程序333

12-3-2　迭代抽象程序336

12-3-3　控制结构表示法338

12-4　搜索的策略343

12-4-1AND/OR搜索树344

12-4-2　状态空间搜索法348

12-5　知识模块的结构349

12-6　知识的产生与获得355

第十三章　图象处理与模式识别的典型应用359

13-1　引言359

13-2　图象处理基本设备362

13-3　本学科在医学领域中的典型应用364

13-3-1　人类染色体自动分类365

13-3-2　肿瘤细胞分析和分类368

13-4　指纹图象的计算机分析与存贮376

13-5　汉字图形识别380

13-6　结语382