基于機器視覺的數(shù)字圖像處理與識別研究

緒論
第1章 計算機圖形概述
1.1 引言
1.2 圖像分割
1.3 圖像對象描述概述
1.4 圖像特征分析
第2章 數(shù)字圖像處理與圖像分割.
2.1 數(shù)字圖像處理的基礎知識
2.2 圖像增強
2.3 SVM圖像分割
2.4 基于Renyi熵和高斯混合模型的圖像分割
2.5 指紋方向濾波
2.6 實驗結果
2.7 結論
第3章 圖像質(zhì)量分析
3.1　引言
3.2 算法概述
3.3 全局質(zhì)量分析
3.4 局部質(zhì)量分析
3.5 實驗結果
3.6 本章小結
第4章 圖像特征提取
4.1 引言
4.2 輪廓特征提取
4.3 形狀識別相關經(jīng)典理論
4.4 圖像形狀特征
4.5 圖像統(tǒng)計特征
4.6 圖像識別中的鄰接輪廓線段組特征
4.7 基于模板的對象檢測中局部形狀和邊界特征
4.8 對象邊緣的相對方向特征
第5章 圖像平滑處理的頻域分析法
5.1 時域、頻域、時頻分析與數(shù)學分支簡介
5.2 數(shù)字圖像處理
5.3 指紋圖像的頻域分析
5.4 指紋圖像奇異點塊檢測
5.5 仿真結果與分析
5.6 結 論
第6章 基于支持向量機的圖像識別
6.1 基于統(tǒng)計學習理論
6.2 支持向量機模型
6.3 支持向量機的模型參數(shù)選擇
6.4 SVM圖像目標識別算法
6.5 試驗結果與分析
6.6 本章小結
第7章 運動視頻特征圖像的識別--基于GMM與SVM的識別算法
7.1 基于混合高斯模型的視頻目標識別算法
7.2 基于改進的GMM與SVM結合的視頻目標識別算法
7.3 試驗結果與分析
7.4 本章小結
結論
第8章 圖像識別的應用實例分析
8.1 槍彈痕跡識別的技術概況
8.2 非制式槍槍痕圖像識別
8.3 SIFT特征的圖像配準
8.4 結論與分析
8.5 總結與展望
參考文獻