數(shù)字圖像處理廣泛應(yīng)用于自動化、電子信息及計算機等重要領(lǐng)域。本書作為數(shù)字圖像處理的入門教材，在內(nèi)容上盡可能涵蓋數(shù)字圖像處理基礎(chǔ)知識的各個方面。全書共8章，分為3個部分：第1部分（第1章和第2章）介紹數(shù)字圖像處理的基礎(chǔ)知識和基本處理方法；第2部分（第3~5章）介紹典型的數(shù)字圖像處理任務(wù)（圖像重建、復(fù)原與分割）和常用方法；第3部分（第6～8章）介紹圖像分析與理解方法，內(nèi)容涉及圖像表示、識別與生成。每章都附有思考題與習(xí)題和相關(guān)文獻，有興趣的讀者可以進一步鉆研探索。 本書可作為高等院校自動化、電子信息、計算機及相關(guān)專業(yè)本科生或研究生的教材，也可供對數(shù)字圖像處理感興趣的研究人員和工程技術(shù)人員參考。 本書配有以下教學(xué)資源：PPT課件、教學(xué)大綱、程序代碼、習(xí)題答案，歡迎選用本書作教材的教師，登錄www. cmpedu. com注冊后下載，或發(fā)郵件至jinacmp＠163. com索取。
本書遵循教指委相關(guān)指導(dǎo)文件和高等院校學(xué)生學(xué)習(xí)規(guī)律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結(jié)合。
本書是一本介紹數(shù)字圖像處理的教科書，為了使盡可能多的讀者通過本書對數(shù)字圖像處理有所了解，本書嘗試盡可能少地涉及數(shù)學(xué)知識。然而，少量的概率統(tǒng)計和線性代數(shù)與微積分知識似乎不可避免。因此，本書更適合大學(xué)二年級以上的理工科本科生和研究生，以及具有類似背景的對數(shù)字圖像處理和計算機視覺感興趣的讀者�！ ∪珪�8章，大體上可分為3個部分：第1部分包括第1章和第2章，介紹數(shù)字圖像處理的基礎(chǔ)知識和基本處理方法；第2部分包括第3~5章，介紹典型的數(shù)字圖像處理任務(wù)和常用方法；第3部分包括第6~8章，介紹圖像分析與理解等進階知識。除了前2章，其他各章均相對獨立，讀者可以根據(jù)自己的興趣和具體情況選擇使用。 本書針對每章中介紹的模型和方法原理，給出知識點相應(yīng)的Python程序代碼，讀者可通過書中二維碼獲得。除第1章外，其他每章都給出課程項目，通過課程項目牽引串聯(lián)理論知識點，幫助讀者鞏固本章所學(xué)知識，并引導(dǎo)讀者擴展相關(guān)知識�！ ”緯η罄碚摳拍顕�(yán)謹(jǐn)，論證簡明扼要，在具備理論性、系統(tǒng)性和實用性的同時，突出實時性。圖像處理技術(shù)飛速發(fā)展，本書力爭體現(xiàn)近年來的最新研究成果和已經(jīng)得到廣泛使用的典型技術(shù)，這些內(nèi)容既參考了有關(guān)學(xué)術(shù)文獻又結(jié)合了作者的一些研究工作成果以及近年來的教學(xué)教案�！ ”緯晒枮I工程大學(xué)智能科學(xué)與工程學(xué)院相關(guān)教師共同編寫，其中第1章由邢向磊和劉濤編寫；第2章由叢山編寫；第3章、第7章和第8章由邢向磊編寫；第4章由邢會明和邢向磊編寫；第5章由葉秀芬編寫；第6章由姚曉輝和叢山編寫。全書由邢向磊和叢山統(tǒng)稿�！ ∮捎诰幷咚接邢�，書中錯漏之處在所難免，懇請廣大讀者批評指正。 編者
高等院校教師
目錄前言第1章緒論1.1數(shù)字圖像處理的起源和發(fā)展歷程1.1.1數(shù)字圖像處理的發(fā)展歷史1.1.2數(shù)字圖像處理的發(fā)展現(xiàn)狀及人工智能變革的機遇1.2數(shù)字圖像處理實例1.2.1圖像增強實例1.2.2圖像去噪實例1.2.3圖像復(fù)原實例1.2.4圖像識別實例1.2.5圖像生成實例1.3數(shù)字圖像處理系統(tǒng)1.3.1圖像處理系統(tǒng)的構(gòu)成1.3.2相機幾何模型1.3.3光度立體與圖像形成的光照模型1.3.4數(shù)字圖像的表示與圖像處理基本步驟本章小結(jié)思考題與習(xí)題參考文獻第2章圖像增強2.1數(shù)字圖像處理基礎(chǔ)2.1.1線性操作與非線性操作2.1.2空間操作2.1.3概率方法2.2點運算和灰度變換2.2.1圖像反轉(zhuǎn)2.2.2對數(shù)變換2.2.3冪律變換2.3直方圖處理2.3.1直方圖基本概念與繪制2.3.2直方圖均衡化2.3.3直方圖規(guī)定化2.3.4局部直方圖均衡化2.3.5傳統(tǒng)圖像風(fēng)格轉(zhuǎn)換算法2.4卷積與空間濾波2.4.1空間濾波基礎(chǔ)2.4.2平滑空間濾波器2.4.3銳化空間濾波器2.5頻域濾波2.5.1基本概念與頻域濾波基礎(chǔ)2.5.2二維傅里葉變換的一些性質(zhì)2.5.3頻域平滑濾波器2.5.4頻域銳化濾波器2.6基于深度學(xué)習(xí)的圖像增強2.6.1深度學(xué)習(xí)基礎(chǔ)2.6.2神經(jīng)網(wǎng)絡(luò)2.6.3卷積神經(jīng)網(wǎng)絡(luò)2.6.4基于深度學(xué)習(xí)的圖像風(fēng)格轉(zhuǎn)換2.6.5基于深度學(xué)習(xí)技術(shù)的圖像彩色增強2.7本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻第3章圖像重建與幾何變換3.1基于統(tǒng)計學(xué)習(xí)的圖像重建基礎(chǔ)3.1.1主成分分析基礎(chǔ)3.1.2基于PCA的圖像重建與壓縮3.1.3圖像表觀信息與幾何信息3.2圖像幾何變換與重建3.2.1仿射與射影幾何變換3.2.2圖像插值算法3.2.3圖像形變與標(biāo)準(zhǔn)姿態(tài)對齊3.3基于深度學(xué)習(xí)的圖像重建與解耦3.3.1基于深度學(xué)習(xí)的圖像重建3.3.2基于深度學(xué)習(xí)的圖像表觀與幾何信息解耦3.4本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻第4章圖像復(fù)原4.1圖像退化與復(fù)原處理4.2噪聲模型4.2.1噪聲的空間和頻率特性4.2.2一些重要的噪聲概率密度函數(shù)4.2.3周期噪聲4.2.4估計噪聲參數(shù)4.3圖像退化函數(shù)估計4.3.1采用觀察法估計退化函數(shù)4.3.2采用試驗法估計退化函數(shù)4.3.3采用建模法估計退化函數(shù)4.4最小均方誤差濾波器4.5圖像去霧模型4.5.1基于暗通道先驗的圖像去霧算法4.5.2水下圖像復(fù)原模型4.6基于深度學(xué)習(xí)的圖像復(fù)原4.7本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻第5章圖像分割5.1基礎(chǔ)知識與邊緣檢測5.1.1點與線檢測5.1.2邊緣檢測5.1.3Canny邊緣檢測5.1.4邊緣連接與霍夫變換5.2閾值處理5.2.1全局閾值處理5.2.2基于OTSU的全局閾值處理5.3基于圖論的圖像分割5.3.1圖論基礎(chǔ)5.3.2基于圖割法的圖像分割5.4基于馬爾可夫隨機場的圖像分割5.4.1馬爾可夫隨機場基礎(chǔ)5.4.2基于MRF的圖像分割5.5基于深度學(xué)習(xí)的圖像分割5.5.1基于深度學(xué)習(xí)的圖像語義分割5.5.2基于深度學(xué)習(xí)的圖像實例分割5.6本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻第6章圖像表示6.1圖像表示基礎(chǔ)6.2圖像角點檢測6.2.1角點表示目標(biāo)函數(shù)6.2.2Harris角點檢測算法6.3多分辨率與圖像金字塔6.3.1圖像多分辨率技術(shù)6.3.2高斯和拉普拉斯金字塔6.3.3多分辨率展開6.4經(jīng)典圖像表示描述子6.4.1尺度不變特征變換SIFT6.4.2方向梯度直方圖HOG6.4.3局部二值描述LBP6.5圖像紋理表示6.5.1紋理分析基礎(chǔ)6.5.2基于馬爾可夫隨機場的圖像紋理描述6.5.3基于深度學(xué)習(xí)的圖像紋理描述6.6本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻第7章圖像識別7.1構(gòu)建圖像分類問題模型7.1.1基于貝葉斯決策理論的圖像分類模型7.1.2基于PCA/FDA的人臉識別模型7.1.3基于深度學(xué)習(xí)的圖像分類模型7.2構(gòu)建圖像檢測問題模型7.2.1基于HOG結(jié)合支持向量機的行人檢測7.2.2基于Harr小波與集成分類器的人臉檢測7.2.3基于深度學(xué)習(xí)的圖像檢測模型7.3本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻第8章圖像生成8.1圖像生成技術(shù)概述8.2基于隱變量描述的圖像生成技術(shù)8.2.1概率框架下的隱變量模型8.2.2基于EM的交替反向傳播算法8.3多視圖與多模態(tài)圖像生成模型8.3.1多視圖與多模態(tài)圖像生成概述8.3.2多視圖圖像生成8.3.3多模態(tài)生成模型8.4基于變分自編碼器的圖像生成8.4.1變分推斷8.4.2基于VAE的圖像生成與重建技術(shù)8.5基于生成對抗網(wǎng)絡(luò)的圖像生成8.5.1概率框架下的生成對抗模型8.5.2基于GAN的圖像生成技術(shù)8.5.3基于條件GAN的圖像生成技術(shù)8.6本章課程項目實驗本章小結(jié)思考題與習(xí)題參考文獻
書單推薦
