图像分析

序言

前言

第一章 图像分割

1.1 概述

1.2 根据区域灰度进行分割

1.2.1 灰度门限法

1.2.2 灰度门限的确定

1.3 边界检测的基本方法

1.3.1 梯度模算子

1.3.2 罗伯茨(roberts)梯度模算子

1.3.3 具有平滑作用的一阶偏导算子

1.3.4 拉氏(laplace)算子

1.4 拟合曲面求导提取边界

1.4.1 一次、二次曲面拟合求梯度

1.4.2 三次曲面拟合求梯度方向二阶导数过零点

1.4.3 估计拟合曲面阶跃幅度

1.5 高斯平滑后求导提取边界

1.5.1 拉普拉斯-高斯算子(l-g算子，log算子，marr算子)

1.5.2 canny边界检测算子

1.6 统计判决法提取边界

.1.6.1 最小误判概率准则判决提取边界

1.6.2 似然比检测边界

1.7 分裂—合并算法

1.8 跟踪技术

1.8.1 曲线的全向跟踪

1.8.2 跟踪中的搜索技术

1.8.3 区域跟踪(区域生长)

1.9 模糊数学方法提取边界

1.9.1 模糊最大熵准则确定分割门限

1.9.2 增强像素模糊属性对比度提取边界

1.10 模型化与统计检验法检测边界

1.11 松弛标记法

1.12 匹配检测技术

1.12.1 用归一化互相关测度匹配

1.12.2 匹配滤波器

1.12.3 线检测

1.13 利用模式识别某些技术进行图像分割

1.13.1 利用聚类算法和坐标变换进行分类

1.13.2 神经网络方法

1.14 直方图比较法确定分割灰度门限

1.15 基于活动轮廓模型的边界提取算法

1.16 基于视觉特性的边界提取方法——线性加权函数(lwf)在边界检测中的应用

1.17 最佳边缘检测滤波器

1.18 根据边界强度合并区域

习题

参考文献

第二章 图像描述和分析

2.1 像点间的几何性质

2.1.1 邻接与连通

2.1.2 距离

2.2 图像灰度的幅值及统计特性

2.2.1 灰度幅值特征

2.2.2 直方图特性

2.2.3 变换系数特征

2.3 边界点集的组织与曲线描述

2.3.1 曲线解析拟合法

2.3.2 迭代端点拟合法

2.3.3 hough变换及其应用

2.3.4 利用编组方法提取直线

2.3.5 动态规划方法

2.3.6 曲线的斜率和曲率

2.3.7 曲线的freeman链码

2.4 闭合曲线的傅氏描述

2.5 区域或曲线的角点提取

2.5.1 k-r法(kitchen-rosenfeld)

2.5.2 z-h法(zuniga-haratiek)

2.5.3 相邻边界点梯度差值法

2.5.4 模拟退火的最小代价算法

2.6 区域的拓扑特性

2.7 区域的矩描述

2.8 区域的主轴

2.9 区域的等效椭圆

2.10 区域的几何特性

2.10.1 曲线长度和区域周长

2.10.2 区域的面积

2.10.3 区域边界的曲率

2.10.4 区域形状的特征参数

2.10.5 区域模糊几何特征

2.11 区域的四分树码表示

2.12 区域的中轴变换

2.13 区域的扩展、收缩与细化

2.13.1 扩展和收缩

2.13.2 细化

2.14 区域的曲线表示

2.14.1 区域的投影

2.14.2 区域边界及边心距的自回归模型参数描述

2.15 区域的纹理特性

2.15.1 灰度共现矩阵法

2.15.2 灰度差分统计法

2.15.3 等灰度行程长度法

2.15.4 运用gabor函数滤波提取纹理特征

2.15.5 纹理基元结构分析法

2.16 关系描述

2.16.1 描述层次

2.16.2 关系的概念

2.16.3 关系的类型

2.16.4 关系矩阵

2.16.5 标记图

2.16.6 句法

习题

参考文献第三章 数学形态学及其应用

3.1 二值图像数学形态学

3.1.1 腐蚀与膨胀

3.1.2 开(open)运算与闭(close)运算

3.1.3 击中击不中变换(hit-miss变换——hmt)

3.2 多值函数(灰度图像)的形态学分析

3.2.1 阴影、表面函数

3.2.2 灰度图像的腐蚀运算

3.2.3 灰度图像的膨胀运算

3.2.4 多值函数的腐蚀、膨胀的基本性质

3.2.5 多值图像的开、闭运算

3.3 数学形态学在二值图像上的应用

3.3.1 边界提取

3.3.2 区域填充

3.3.3 连通区域的提取

3.3.4 细化

3.3.5 粗化

3.3.6 骨架化

3.3.7 区域的凸壳

3.3.8 修剪

3.4 数学形态学在灰度图像中的应用

3.4.1 图像平滑

3.4.2 提取边界

3.4.3 top—hat变换

3.4.4 纹理区域分割

习题

参考文献

第四章 小波变换及其应用

4.1 fourier变换与gabor变换简述

4.2 连续小波(wavelet)变换

4.2.1 小波变换的定义

4.2.2 小波变换的基本性质

4.2.3 小波变换的时—频局域分析特性

4.2.4 小波逆变换

4.2.5 小波的尺度图，小波方差谱与协方差谱

4.2.6 一般加窗傅氏变换与小波变换的关系

4.3 离散小波变换

4.3.1 离散小波变换

4.3.2 二进正交小波变换

4.3.3 框架

4.3.4 小波级数

4.4 多分辨分析

4.4.1 hilbert空间

4.4.2 多分辨分析与尺度函数

4.4.3 小波的分解与合成——mallat算法

4.5 正交小波包

4.5.1 正交小波包

4.5.2 小波空间的小波包分割

4.5.3 正交小波基的构造

4.5.4 几种简单的小波

4.6 二维小波变换

4.6.1 二维小波变换

4.6.2 二维(多分辨分析)正交小波的构造

4.7 基于小波变换的图像增强

4.7.1 图像增强的一般原理

4.7.2 基于小波变换的图像去噪

4.8 基于小波变换的图像恢复

4.9 基于小波变换的边界提取

4.10 线性加权函数(lwf)及其在边界检测中的应用

4.11 多尺度小波检测及其融合

4.12 图像边缘的角点检测

4.13 基于小波变换的图像描述

4.13.1 利用小波变换构造图像矩不变量

4.13.2 基于树型结构小波变换的图像纹理特征提取

4.13.3 基于gabor小波的图像纹理识别

习题

参考文献