精通Matlab数字图像处理与识别PDF|Epub|txt|kindle电子书版本网盘下载

精通Matlab数字图像处理与识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 初识数字图像处理与识别1

1.1 数字图像1

1.1.1 什么是数字图像1

1.1.2 数字图像的显示1

1.1.3 数字图像的分类2

1.1.4 数字图像的实质3

1.1.5 数字图像的表示4

1.1.6 图像的空间和灰度级分辨率5

1.2 数字图像处理与识别6

1.2.1 从图像处理到图像识别6

1.2.2 数字图像处理与识别的应用实例7

1.2.3 数字图像处理与识别的基本步骤9

1.3 数字图像处理的预备知识10

1.3.1 邻接性、连通性、区域和边界10

1.3.2 距离度量的几种方法11

1.3.3 基本的图像操作12

第2章 Matlab数字图像处理基础13

2.1 Matlab R2011a简介13

2.1.1 Matlab软件环境13

2.1.2 文件操作14

2.1.3 在线帮助的使用15

2.1.4 变量的使用18

2.1.5 矩阵的使用20

2.1.6 细胞数组和结构体23

2.1.7 关系运算与逻辑运算24

2.1.8 常用图像处理数学函数25

2.1.9 Matlab程序流程控制26

2.1.10 M文件编写29

2.1.11 Matlab函数编写30

2.2 Matlab图像类型及其存储方式32

2.3 Matlab的图像转换35

2.4 读取和写入图像文件37

2.5 图像的显示39

第3章 图像的点运算42

3.1 灰度直方图42

3.1.1 理论基础42

3.1.2 Matlab实现43

3.2 灰度的线性变换46

3.2.1 理论基础46

3.2.2 Matlab实现46

3.3 灰度对数变换49

3.3.1 理论基础49

3.3.2 Matlab实现50

3.4 伽玛变换51

3.4.1 理论基础51

3.4.2 Matlab实现51

3.5 灰度阈值变换53

3.5.1 理论基础53

3.5.2 Matlab实现54

3.6 分段线性变换55

3.6.1 理论基础55

3.6.2 Matlab实现56

3.7 直方图均衡化60

3.7.1 理论基础60

3.7.2 Matlab实现61

3.8 直方图规定化63

3.8.1 理论基础63

3.8.2 Matlab实现64

第4章 图像的几何变换66

4.1 解决几何变换的一般思路66

4.2 图像平移67

4.2.1 图像平移的变换公式68

4.2.2 图像平移的Matlab实现68

4.3 图像镜像70

4.3.1 图像镜像的变换公式70

4.3.2 图像镜像的Matlab实现71

4.4 图像转置72

4.4.1 图像转置的变换公式72

4.4.2 图像转置的Matlab实现72

4.5 图像缩放73

4.5.1 图像缩放的变换公式73

4.5.2 图像缩放的Matlab实现74

4.6 图像旋转75

4.6.1 以原点为中心的图像旋转75

4.6.2 以任意点为中心的图像旋转75

4.6.3 图像旋转的Matlab实现77

4.7 插值算法77

4.7.1 最近邻插值78

4.7.2 双线性插值78

4.7.3 高阶插值79

4.8 Matlab综合案例——人脸图像配准81

4.8.1 什么是图像配准81

4.8.2 人脸图像配准的Matlab实现81

第5章 空间域图像增强85

5.1 图像增强基础85

5.1.1 为什么要进行图像增强85

5.1.2 图像增强的分类85

5.2 空间域滤波86

5.2.1 空间域滤波和邻域处理86

5.2.2 边界处理87

5.2.3 相关和卷积88

5.2.4 滤波操作的Matlab实现88

5.3 图像平滑90

5.3.1 平均模板及其实现90

5.3.2 高斯平滑及其实现92

5.3.3 自适应平滑滤波95

5.4 中值滤波95

5.4.1 性能比较95

5.4.2 一种改进的中值滤波策略98

5.4.3 中值滤波的工作原理98

5.5 图像锐化98

5.5.1 理论基础98

5.5.2 基于一阶导数的图像增强——梯度算子98

5.5.3 基于二阶微分的图像增强——拉普拉斯算子101

5.5.4 基于一阶与二阶导数的锐化算子的比较104

5.5.5 高提升滤波及其实现105

5.5.6 高斯-拉普拉斯变换（Laplacian of a Gaussian，LoG）106

第6章 频率域图像增强109

6.1 频率域滤波——与空间域滤波殊途同归109

6.2 傅立叶变换基础知识109

6.2.1 傅立叶级数110

6.2.2 傅立叶变换111

6.2.3 幅度谱、相位谱和功率谱114

6.2.4 傅立叶变换的实质—基的转换115

6.3 快速傅立叶变换及实现116

6.3.1 FFT变换的必要性117

6.3.2 常见的FFT算法117

6.3.3 按时间抽取的基-2 FFT算法118

6.3.4 离散反傅立叶变换的快速算法121

6.3.5 N维快速傅立叶变换121

6.3.6 Matlab实现122

6.4 频域滤波基础126

6.4.1 频域滤波与空域滤波的关系126

6.4.2 频域滤波的基本步骤126

6.4.3 频域滤波的Matlab实现127

6.5 频域低通滤波器128

6.5.1 理想低通滤波器及其实现128

6.5.2 高斯低通滤波器及其实现131

6.6 频率域高通滤波器135

6.6.1 高斯高通滤波器及其实现135

6.6.2 频域拉普拉斯滤波器及其实现137

6.7 Matlab综合案例——利用频域滤波消除周期噪声139

6.7.1 频域带阻滤波器139

6.7.2 带阻滤波消除周期噪声141

6.8 频域滤波器与空域滤波器之间的内在联系143

第7章 小波变换146

7.1 多分辨率分析146

7.1.1 多分辨率框架146

7.1.2 分解与重构的实现153

7.1.3 图像处理中分解与重构的实现155

7.2 Gabor多分辨率分析160

7.3 常见小波分析163

7.3.1 Haar小波164

7.3.2 Daubechies小波166

7.4 高维小波168

第8章 图像复原171

8.1 图像复原的一般理论171

8.1.1 图像复原的基本概念171

8.1.2 图像复原的一般模型172

8.2 实用图像复原技术190

8.2.1 图像复原的数值计算方法190

8.2.2 非线性复原193

第9章 彩色图像处理197

9.1 彩色基础197

9.1.1 什么是彩色198

9.1.2 我们眼中的彩色198

9.1.3 三原色198

9.1.4 计算机中的颜色表示199

9.2 彩色模型200

9.2.1 RGB模型200

9.2.2 CMY、CMYK模型202

9.2.3 HSI模型203

9.2.4 HSV模型207

9.2.5 YUV模型210

9.2.6 YIQ模型213

9.2.7 Lab模型简介214

9.3 全彩色图像处理基础215

9.3.1 彩色补偿及其Matlab实现215

9.3.2 彩色平衡及其Matlab实现217

第10章 形态学图像处理220

10.1 预备知识220

10.2 二值图像中的基本形态学运算222

10.2.1 腐蚀及其实现222

10.2.2 膨胀及其实现227

10.2.3 开运算及其实现229

10.2.4 闭运算及其实现231

10.3 二值图像中的形态学应用232

10.3.1 击中与击不中变换及其实现232

10.3.2 边界提取与跟踪及其实现234

10.3.3 区域填充235

10.3.4 连通分量提取及其实现237

10.3.5 细化算法240

10.3.6 像素化算法242

10.3.7 凸壳243

10.3.8 bwmorph函数243

10.4 灰度图像中的基本形态学运算244

10.4.1 灰度膨胀及其实现244

10.4.2 灰度腐蚀及其实现247

10.4.3 灰度开、闭运算及其实现248

10.4.4 顶帽变换（top-hat）及其实现250

10.5 小结252

第11章 图像分割253

11.1 图像分割概述253

11.2 边缘检测254

11.2.1 边缘检测概述254

11.2.2 常用的边缘检测算子255

11.2.3 Matlab实现258

11.3 霍夫变换261

11.3.1 直线检测261

11.3.2 曲线检测264

11.3.3 任意形状的检测264

11.3.4 Hough变换直线检测的Matlab实现265

11.4 阈值分割268

11.4.1 阈值分割方法268

11.4.2 Matlab实现272

11.5 区域分割273

11.5.1 区域生长及其实现273

11.5.2 区域分裂与合并及其Matlab实现275

11.6 基于形态学分水岭算法的图像分割280

11.6.1 形态学分水岭算法280

11.6.2 Matlab实现283

11.7 Matlab综合案例——分水岭算法284

11.8 小结289

第12章 特征提取290

12.1 图像特征概述290

12.1.1 什么是图像特征290

12.1.2 图像特征的分类290

12.1.3 特征向量及其几何解释291

12.1.4 特征提取的一般原则291

12.1.5 特征的评价标准291

12.2 基本统计特征292

12.2.1 简单的区域描绘子及其Matlab实现292

12.2.2 直方图及其统计特征293

12.2.3 灰度共现矩阵295

12.3 特征降维299

12.3.1 维度灾难299

12.3.2 特征选择简介299

12.3.3 主成分分析300

12.3.4 快速PCA及其实现307

12.4 综合案例——基于PCA的人脸特征抽取309

12.4.1 数据集简介309

12.4.2 生成样本矩阵309

12.4.3 主成分分析310

12.4.4 主成分脸可视化分析311

12.4.5 基于主分量的人脸重建313

12.5 局部二进制模式315

12.5.1 基本LBP315

12.5.2 圆形邻域的LBPP，R算子315

12.5.3 统一化LBP算子——Uniform LBP及其Matlab实现316

12.5.4 MB-LBP及其Matlab实现319

12.5.5 图像分区及其Matlab实现324

第13章 图像识别初步328

13.1 模式识别概述328

13.1.1 模式与模式识别328

13.1.2 图像识别329

13.1.3 关键概念329

13.1.4 识别问题的一般描述330

13.1.5 过度拟合331

13.1.6 模式识别系统结构332

13.1.7 训练／学习方法分类332

13.2 模式识别方法分类332

13.2.1 统计模式识别333

13.2.2 句法模式识别333

13.2.3 小结334

13.3 最小距离分类器和模板匹配334

13.3.1 最小距离分类器及其Matlab实现334

13.3.2 基于相关的模板匹配336

13.3.3 相关匹配的计算效率339

第14章 人工神经网络341

14.1 人工神经网络简介341

14.1.1 仿生学动机341

14.1.2 人工神经网络的应用实例343

14.2 人工神经网络的理论基础344

14.2.1 训练线性单元的梯度下降算法344

14.2.2 多层人工神经网络350

14.2.3 sigmoid单元351

14.2.4 反向传播（BP，back propogation）算法352

14.2.5 训练中的问题356

14.3 神经网络算法的可视化实现357

14.3.1 NNTool的主要功能及应用357

14.3.2 神经网络的仿真测试361

14.4 Matlab神经网络工具箱365

14.4.1 网络的创建365

14.4.2 网络初始化365

14.4.3 网络训练366

14.4.4 网络仿真测试366

14.4.5 网络性能分析367

第15章 支持向量机368

15.1 支持向量机的分类思想368

15.1.1 分类模型的选择368

15.1.2 模型参数的选择369

15.2 支持向量机的理论基础369

15.2.1 线性可分情况下的SVM369

15.2.2 非线性可分情况下的C-SVM373

15.2.3 需要核函数映射情况下的SVM375

15.2.4 推广到多类问题378

15.3 SVM的Matlab实现380

15.3.1 训练——svmtrain380

15.3.2 分类——svmclassify382

15.3.3 应用实例382

15.4 综合案例——基于PCA和SVM的人脸识别系统383

15.4.1 人脸识别简介383

15.4.2 前期处理383

15.4.3 数据规格化384

15.4.4 核函数的选择387

15.4.5 参数选择388

15.4.6 构建多类SVM分类器390

15.4.7 实验结果392

15.5 SVM在线资源399

15.5.1 Matlab的SVM工具箱399

15.5.2 LIBSVM的简介399

参考文献401