-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

數字圖像處理及應用(第2版)

( 簡體 字)
作者:謝鳳英類別:1. -> 教材 -> 數位影像處理
譯者:
出版社:電子工業出版社數字圖像處理及應用(第2版) 3dWoo書號: 45689
詢問書籍請說出此書號!

缺書
NT售價: 345

出版日:9/1/2016
頁數:516
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121298745
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

再版前言

近幾十年來,在數字信號處理技術和計算機技術發展的推動下,數字圖像處理技術得到了飛速發展,已成為其他科學技術領域中不可缺少的一項重要工具。數字圖像處理的應用領域越來越廣泛,從空間探索到微觀研究,從軍事領域到工農業生產,從科學教育到娛樂游戲,越來越多的領域用到了數字圖像處理技術。
作為一門實用而綜合性交叉學科,圖像處理技術研究的內容主要包括圖像變換、圖像壓縮編碼、圖像增強與復原、圖像分割、圖像描述、圖像匹配、圖像融合、圖像目標的檢測跟蹤、圖像識別、圖像的形態學處理,等等。本書以傳統的圖像處理方法為基礎,突出經典理論,注重總結當前流行的新理論和新方法,系統介紹這些重要的數字圖像處理技術,同時結合實際應用,對經典案例進行系統分析。本書力求基礎理論、最新發展及工程應用緊密結合與統一。全書內容涵蓋范圍廣,由經典到先進,深淺適中,讀者通過本書的學習,既可以掌握基礎理論,又能夠熟悉領域內的發展動態,并通過案例分析加強理論內容的理解。
本書由幾位多年從事數字圖像處理教學和科研工作的教師編寫,書中的內容及結構安排經過了課題組的多次討論和審定,實例分析及工程應用案例來源于作者所在實驗室的科研實踐和課題研究。全書經過精心組織,有利于教師講授和學生學習,同時也有利于相關領域科學研究及工程開發人員的參考。
本書由北京航空航天大學圖像處理中心的謝鳳英、趙丹培、李露和羅曉燕老師共同編寫,其中,謝鳳英主要負責第3、6、7、8、13、14章,1.1、1.3、1.4節,2.1∼2.4、2.7節,9.1∼9.3節,趙丹培主要負責第4、11、12章,2.5、2.6、2.8節,9.4.1∼9.4.5節的初稿,13.2.2∼13.2.5節;李露主要負責第5章,9.4.6節;羅曉燕主要負責第10章,1.2和1.5節,9.4.1∼9.4.5節的終稿。全書由北京航空航天大學圖像處理中心姜志國教授主審,最后由謝鳳英統稿和校對。特別感謝在百忙之中為本書主審并提出許多寶貴意見的姜志國教授。感謝北京航空航天大學圖像處理中心的盧亞楠博士、史俊博士、李陽、吳葉芬、張杰和陸明同學在本書的編寫中給予的大力支持。同時,在編寫本書的過程中參考了國內外出版的大量書籍和論文,在此對本書中所引用論文和書籍的作者深表感謝。
本書是在第1版的基礎上修訂而成,修正了其中的一些錯誤,改用通俗語言敘述一些概念等。由于編者水平有限,書中定還有不當之處,敬請讀者批評指正。


編 者
內容簡介:

本書在第1版的基礎上修訂而成,系統而全面地介紹了與數字圖像處理相關的基礎理論和應用技術,立足基礎理論,突出經典算法,并注重總結當前的最新技術發展,同時重視工程應用。全書共14章,第1∼8章為理論篇,第9∼14章為應用篇。第1章為圖像處理的基礎知識,包括圖像的獲取、表達、存儲及圖像質量評價等。第2∼8章為圖像的基礎理論,包括圖像變換、圖像增強、圖像復原、圖像壓縮編碼、圖像分割、圖像的形態學處理,以及圖像描述等。第9∼13章為圖像的應用技術,包括圖像匹配、圖像融合、目標檢測、目標跟蹤、圖像識別等。第14章為工程應用系統案例分析,總結了作者實際課題研究中的典型工程案例,這些工程案例將本書的各章內容貫穿起來,是前面各種圖像處理技術的綜合運用,使讀者對圖像處理技術有一個更高層次的理解和提升。本書理論翔實,內容全面,前后貫穿。其中對圖像領域先進理論和算法的總結很有價值,工程應用系統的綜合分析很有借鑒意義。

目錄:

理論篇 (1)
第1章 數字圖像處理的基礎知識 (1)
1.1 數字圖像處理概述 (1)
1.1.1 圖像和數字圖像 (1)
1.1.2 數字圖像處理的主要研究內容 (3)
1.1.3 數字圖像處理的發展及應用 (4)
1.2 圖像的獲取技術 (7)
1.2.1 圖像的獲取手段 (7)
1.2.2 圖像的顯示與輸出 (9)
1.3 圖像數字化 (9)
1.3.1 采樣 (10)
1.3.2 量化 (10)
1.4 圖像數據的表示與存儲 (11)
1.4.1 彩色空間 (11)
1.4.2 圖像類型 (14)
1.4.3 數字圖像的表示 (15)
1.4.4 圖像數據的存儲 (15)
1.5 圖像質量評價 (19)
1.5.1 人類視覺系統 (19)
1.5.2 圖像質量主觀評價 (21)
1.5.3 圖像質量客觀評價 (22)
1.5.4 算法性能評價 (24)
小結 (25)
習題 (25)
第2章 圖像的數學變換 (26)
2.1 幾何變換 (26)
2.1.1 空間變換 (26)
2.1.2 灰度級插值 (28)
2.1.3 幾何校正 (30)
2.2 傅里葉變換 (31)
2.2.1 一維傅里葉變換 (32)
2.2.2 二維離散傅里葉變換 (33)
2.2.3 二維離散傅里葉變換的性質 (34)
2.2.4 快速傅里葉變換(FFT) (38)
2.3 離散余弦變換 (42)
2.3.1 離散余弦變換的定義 (42)
2.3.2 快速離散余弦變換 (43)
2.4 Gabor變換 (44)
2.4.1 短時傅里葉變換 (45)
2.4.2 連續Gabor變換 (47)
2.4.3 離散Gabor變換 (48)
2.4.4 高斯窗Gabor函數 (48)
2.5 離散K-L變換 (51)
2.5.1 離散K-L變換介紹 (52)
2.5.2 離散K-L變換的性質 (53)
2.5.3 主成分分析(PCA) (54)
2.6 Radon變換 (56)
2.6.1 Radon變換介紹 (56)
2.6.2 Radon變換的性質 (57)
2.7 小波變換 (58)
2.7.1 多分辨率分析的背景知識 (58)
2.7.2 多分辨率展開 (61)
2.7.3 一維小波變換 (66)
2.7.4 快速小波變換 (69)
2.7.5 二維離散小波變換 (73)
2.8 數學變換在圖像處理中的應用 (76)
2.8.1 傅里葉變換在圖像去噪中的應用 (76)
2.8.2 離散余弦變換在圖像壓縮中的應用 (77)
2.8.3 Gabor變換在紋理分析中的應用 (78)
2.8.4 小波變換在圖像壓縮中的應用 (79)
2.8.5 小波變換在圖像去噪中的應用 (80)
2.8.6 小波變換在邊緣檢測中的應用 (81)
2.8.7 小波變換在圖像融合中的應用 (83)
2.8.8 小波變換在圖像增晰中的應用 (84)
小結 (85)
習題 (85)
第3章 圖像增強 (87)
3.1 灰度級修正 (88)
3.1.1 灰度的線性變換 (88)
3.1.2 灰度的非線性變換 (90)
3.1.3 直方圖修正 (91)
3.2 圖像平滑 (97)
3.2.1 鄰域平均法 (97)
3.2.2 中值濾波 (100)
3.2.3 幀間平滑 (102)
3.2.4 頻域低通濾波法 (103)
3.3 圖像銳化 (107)
3.3.1 微分法 (107)
3.3.2 頻域高通濾波法 (112)
3.4 圖像增晰 (114)
3.4.1 同態濾波 (114)
3.4.2 基于Retinex的增強 (116)
3.4.3 基于LIP的增強 (118)
3.4.4 基于照度區域劃分的增強 (123)
3.5 彩色增強 (127)
3.5.1 偽彩色增強 (127)
3.5.2 真彩色增強 (130)
小結 (131)
習題 (131)
第4章 圖像復原 (133)
4.1 圖像的退化模型 (134)
4.1.1 圖像的退化與復原過程 (134)
4.1.2 連續函數的退化模型 (135)
4.1.3 離散函數的退化模型 (136)
4.1.4 圖像復原的基本步驟 (138)
4.2 常用的圖像退化模型 (139)
4.3 退化模型的參數估計 (141)
4.3.1 運動模糊的退化原理 (141)
4.3.2 運動模糊退化模型的參數估計 (145)
4.3.3 散焦模糊的退化原理 (154)
4.3.4 散焦模糊退化模型的參數估計 (155)
4.4 圖像復原的典型方法 (156)
4.4.1 逆濾波法 (157)
4.4.2 維納濾波 (159)
4.4.3 等功率譜濾波 (161)
4.4.4 幾何均值濾波器 (162)
4.4.5 無約束最小二乘復原方法 (162)
4.4.6 有約束最小二乘復原方法 (163)
4.4.7 投影復原法 (166)
4.4.8 Richardson-Lucy算法 (167)
4.4.9 振鈴效應的去除 (168)
4.5 圖像復原的質量評價 (169)
4.5.1 有參考的圖像質量評價 (169)
4.5.2 無參考的圖像質量評價 (171)
小結 (172)
習題 (173)
第5章 圖像壓縮編碼 (174)
5.1 圖像壓縮編碼概述 (174)
5.1.1 圖像壓縮編碼的必要性和可行性 (174)
5.1.2 圖像壓縮編碼的發展 (175)
5.1.3 圖像壓縮編碼的分類 (176)
5.2 圖像壓縮編碼的基本理論 (177)
5.2.1 信息的度量 (177)
5.2.2 香農編碼定理 (178)
5.2.3 圖像壓縮編碼的一般流程 (180)
5.3 經典圖像壓縮編碼方法 (181)
5.3.1 霍夫曼編碼 (181)
5.3.2 算術編碼 (183)
5.3.3 游程編碼 (184)
5.3.4 預測編碼 (184)
5.3.5 變換編碼 (187)
5.4 現代圖像壓縮編碼方法 (189)
5.4.1 分形編碼 (190)
5.4.2 模型基編碼 (191)
5.4.3 小波變換編碼 (193)
5.4.4 神經網絡編碼 (194)
5.5 圖像壓縮編碼的性能評價 (195)
5.6 圖像壓縮技術標準 (198)
5.6.1 靜止圖像壓縮標準簡介 (198)
5.6.2 運動圖像壓縮標準簡介 (201)
小結 (203)
習題 (203)
第6章 圖像分割 (204)
6.1 非連續性分割 (205)
6.1.1 點檢測 (205)
6.1.2 線檢測 (206)
6.1.3 邊緣檢測 (207)
6.1.4 基于梯度的局部處理 (210)
6.1.5 基于Hough變換的全局處理 (212)
6.1.6 基于圖論的全局處理 (214)
6.2 閾值分割 (216)
6.2.1 閾值分割的原理 (216)
6.2.2 最小誤差閾值分割 (217)
6.2.3 最大類間方差閾值分割 (218)
6.2.4 最大熵閾值分割 (220)
6.3 基于區域的分割 (223)
6.3.1 區域生長法 (223)
6.3.2 分裂合并法 (226)
6.4 聚類分割 (228)
6.4.1 K-均值聚類 (228)
6.4.2 模糊C均值聚類 (231)
6.4.3 Mean-shift聚類分割 (232)
6.5 基于參數活動輪廓模型的分割 (236)
6.5.1 傳統Snake模型 (237)
6.5.2 GVF Snake模型 (240)
6.6 基于幾何形變模型的分割 (243)
6.6.1 曲線演化理論 (243)
6.6.2 水平集方法及其數值實現 (244)
6.6.3 幾何活動輪廓模型 (248)
6.6.4 測地活動輪廓模型 (250)
6.6.5 Chan-Vese模型 (252)
6.7 基于圖論的分割 (255)
6.8 圖像分割的性能評價 (259)
小結 (262)
習題 (263)
第7章 圖像的形態學處理 (265)
7.1 數學形態學概述 (265)
7.1.1 數學形態學 (265)
7.1.2 數學形態學的基本思想 (266)
7.2 二值形態學 (266)
7.2.1 幾個基本符號和定義 (267)
7.2.2 二值腐蝕和膨脹 (268)
7.2.3 二值開運算和閉運算 (270)
7.2.4 擊中、擊不中變換及其應用 (272)
7.2.5 骨架抽取 (275)
7.3 灰度形態學 (277)
7.3.1 灰度形態學的相關概念 (277)
7.3.2 灰度腐蝕和膨脹 (279)
7.3.3 灰度開運算和閉運算 (281)
7.3.4 灰度形態學梯度 (283)
7.3.5 Top-Hat變換 (284)
7.4 水域分割 (285)
小結 (288)
習題 (288)
第8章 圖像的描述 (290)
8.1 幾何描述 (290)
8.2 邊界描述 (292)
8.2.1 鏈碼 (292)
8.2.2 傅里葉描述子 (294)
8.3 形狀描述 (295)
8.3.1 區域描述 (295)
8.3.2 圖像矩 (297)
8.4 直方圖描述 (300)
8.4.1 直方圖特征 (300)
8.4.2 梯度方向直方圖 (302)
8.4.3 韋伯局部描述子 (304)
8.5 顏色描述 (308)
8.6 紋理描述 (310)
8.6.1 自相關函數 (310)
8.6.2 灰度差分統計 (311)
8.6.3 等灰度游程長度 (312)
8.6.4 灰度共生矩陣 (313)
8.6.5 傅里葉功率譜紋理分析 (315)
8.6.6 局部二元模式(LBP 特征) (317)
8.6.7 Gabor小波紋理描述 (319)
小結 (323)
習題 (323)
應用篇 (325)
第9章 圖像匹配 (325)
9.1 圖像匹配概述 (325)
9.2 基于灰度信息的圖像匹配 (326)
9.2.1 絕對平衡搜索匹配 (327)
9.2.2 歸一化互相關匹配 (327)
9.2.3 最大互信息匹配 (328)
9.3 基于特征的圖像匹配 (329)
9.3.1 基于點特征的匹配 (329)
9.3.2 基于線特征的匹配 (332)
9.3.3 基于不變矩的匹配 (335)
9.3.4 基于相位相關的匹配 (336)
9.4 基于局部不變描述子的圖像匹配 (337)
9.4.1 SIFT特征描述子 (338)
9.4.2 SURF特征描述子 (344)
9.4.3 基于SIFT/SURF特征的匹配 (349)
9.4.4 D-nets特征描述子 (352)
9.4.5 基于D-nets特征的匹配 (352)
9.4.6 基于最大穩定極值區域的匹配 (354)
小結 (359)
習題 (359)
第10章 圖像融合 (360)
10.1 圖像融合的概況介紹 (360)
10.1.1 圖像融合的要求 (360)
10.1.2 圖像融合的困難與挑戰 (360)
10.1.3 圖像融合的系統模型 (361)
10.1.4 多源圖像融合的應用 (362)
10.2 像素級圖像融合方法 (363)
10.2.1 基于空間域的像素級圖像融合方法 (364)
10.2.2 基于變換域的像素級圖像融合方法 (365)
10.3 特征級圖像融合方法 (367)
10.3.1 基于邊緣特征的圖像融合方法 (367)
10.3.2 基于梯度特征的圖像融合方法 (367)
10.4 決策級圖像融合方法 (367)
10.4.1 基于表決法的決策級融合方法 (368)
10.4.2 基于貝葉斯推理的決策級融合方法 (368)
10.4.3 基于證據理論的決策級融合方法 (369)
10.5 多源圖像融合的實例與分析 (369)
10.5.1 區域融合方法概述 (369)
10.5.2 區域分割和標簽 (371)
10.5.3 區域融合 (372)
10.6 多源圖像融合的性能評價 (374)
小結 (376)
習題 (377)
第11章 圖像目標檢測 (378)
11.1 基本問題概述 (378)
11.2 運動目標檢測 (380)
11.2.1 運動圖像序列的背景建模 (381)
11.2.2 靜止背景下的運動目標檢測 (382)
11.2.3 動態背景下的運動目標檢測 (385)
11.3 有形目標檢測 (388)
11.3.1 基于圖像分割的目標檢測方法 (389)
11.3.2 基于模板匹配的目標檢測方法 (390)
11.3.3 基于機器學習的目標檢測方法 (392)
11.4 弱小目標檢測 (392)
11.4.1 弱小目標檢測的基本原理 (393)
11.4.2 弱小目標檢測中的背景抑制 (395)
11.4.3 基于單幀的弱小目標檢測算法 (397)
11.4.4 基于多幀的弱小目標檢測算法 (399)
11.5 目標檢測的性能評價 (402)
11.5.1 目標檢測中的通用性能評價指標 (402)
11.5.2 ROC曲線評估模型 (405)
小結 (406)
習題 (407)
第12章 目標跟蹤 (408)
12.1 目標跟蹤問題概述 (408)
12.2 基于模型驅動的跟蹤方法 (411)
12.2.1 目標的運動模型 (411)
12.2.2 貝葉斯估計理論 (413)
12.2.3 卡爾曼濾波 (414)
12.2.4 粒子濾波 (417)
12.3 基于數據驅動的跟蹤方法 (421)
12.3.1 波門跟蹤方法 (421)
12.3.2 基于模板匹配的跟蹤方法 (422)
12.3.3 基于活動輪廓的跟蹤方法 (422)
12.3.4 基于核的跟蹤方法 (423)
12.3.5 基于子空間學習的跟蹤方法 (426)
12.3.6 基于機器學習的跟蹤方法 (428)
12.4 多目標跟蹤 (430)
12.4.1 多目標跟蹤的基本原理 (431)
12.4.2 最近鄰法(NN) (432)
12.4.3 概率數據關聯濾波器(PDAF) (433)
12.4.4 聯合概率數據關聯濾波器(JPDAF) (434)
12.4.5 多假設跟蹤 (436)
小結 (438)
習題 (438)
第13章 圖像識別 (439)
13.1 圖像識別系統 (439)
13.2 特征提取與特征數據處理 (440)
13.2.1 原始特征的形成 (441)
13.2.2 線性特征提取 (441)
13.2.3 非線性特征提取 (443)
13.2.4 特征袋模型 (447)
13.2.5 稀疏編碼 (449)
13.2.6 特征選擇 (450)
13.3 統計分類器 (453)
13.3.1 線性分類器 (454)
13.3.2 最近鄰分類器 (455)
13.3.3 Bayes分類器 (455)
13.4 人工神經元網絡 (456)
13.4.1 基本原理 (456)
13.4.2 BP神經網絡 (457)
13.4.3 模糊神經網絡 (459)
13.4.4 組合神經網絡 (463)
13.5 支持向量機分類 (465)
13.5.1 最優分類面 (465)
13.5.2 支持向量機 (466)
13.5.3 核函數的選擇 (467)
13.6 分類器增強算法——AdaBoost (468)
小結 (469)
習題 (469)
第14章 工程應用系統案例分析 (471)
14.1 免疫細胞圖像分析系統 (471)
14.1.1 圖像的自動分割 (472)
14.1.2 目標定位 (472)
14.1.3 細胞提取 (474)
14.1.4 細胞測量 (474)
14.2 皮膚鏡圖像分析系統 (475)
14.2.1 皮膚鏡圖像的預處理 (476)
14.2.2 皮膚鏡圖像的分割 (477)
14.2.3 皮損目標的特征提取 (478)
14.2.4 皮損目標的分類識別 (479)
14.3 鐵路扣件損傷檢測系統 (479)
14.3.1 軌面定位 (480)
14.3.2 軌枕定位 (481)
14.3.3 扣件目標檢測 (481)
14.3.4 扣件區域增強 (481)
14.3.5 扣件目標特征提取 (483)
14.3.6 扣件目標損傷狀態識別 (483)
14.4 交通監控車牌識別系統 (484)
14.4.1 預處理增強 (485)
14.4.2 車牌檢測 (486)
14.4.3 虛警去除 (487)
14.4.4 字符分割 (489)
14.4.5 字符識別 (489)
小結 (491)
參考文獻 (492)
序: