圖像處理與機(jī)器學(xué)習(xí)：算法深度解析與應(yīng)用實踐

前言
第1章 緒論/
1.1引言/
1.2圖像采集/
1.2.1CCD和CMOS圖像傳感器/
1.2.2圖像分辨率/
1.3圖像存儲/
1.4圖像的視覺感知/
1.4.1亮度和對比度/
1.4.2敏銳度/
1.4.3視覺錯覺/
1.5圖像處理應(yīng)用/
第2章 圖像處理基礎(chǔ)/
2.1基本概念/
2.1.1圖像坐標(biāo)系/
2.1.2距離測度/
2.1.3鄰域/
2.1.4連通性/
2.1.5連通區(qū)域/
2.1.6感興趣區(qū)域/
2.1.7點運(yùn)算與鄰域運(yùn)算/
2.1.8線性運(yùn)算與非線性運(yùn)算/
2.1.9邊緣擴(kuò)展/
2.2彩色圖像/
2.2.1彩色基礎(chǔ)/
2.2.2顏色模型/
2.2.3顏色空間變換/
2.3算術(shù)和邏輯運(yùn)算/
2.3.1算術(shù)運(yùn)算/
2.3.2邏輯運(yùn)算/
2.4圖像統(tǒng)計/
2.4.1均值和方差/
2.4.2直方圖/
2.4.3積分圖像/
2.4.4熵/
2.4.5投影/
第3章 形態(tài)學(xué)/
3.1形態(tài)學(xué)基礎(chǔ)/
3.2腐蝕和膨脹/
3.2.1腐蝕/
3.2.2膨脹/
3.2.3腐蝕和膨脹的性質(zhì)/
3.3開運(yùn)算和閉運(yùn)算/
3.4擊中-擊不中變換/
3.5細(xì)化、粗化和裁剪/
3.5.1細(xì)化/
3.5.2粗化/
3.5.3裁剪/
3.6距離變換/
3.7灰度形態(tài)學(xué)/
3.7.1灰度腐蝕和膨脹/
3.7.2灰度開運(yùn)算和閉運(yùn)算/
3.8形態(tài)學(xué)應(yīng)用/
3.8.1二值形態(tài)學(xué)應(yīng)用/
3.8.2灰度形態(tài)學(xué)應(yīng)用/
第4章 圖像濾波與噪聲/
4.1空間域濾波/
4.1.1空間域濾波基礎(chǔ)/
4.1.2低通濾波/
4.1.3高通濾波/
4.1.4空間域濾波應(yīng)用/
4.2頻率域濾波/
4.2.1離散傅里葉變換/
4.2.2快速傅里葉變換/
4.2.3頻率域濾波原理和步驟/
4.2.4低通濾波/
4.2.5高通濾波/
4.2.6帶阻和帶通濾波/
4.2.7陷波濾波/
4.2.8頻率域濾波應(yīng)用/
4.2.9頻率域濾波小結(jié)/
4.3噪聲估計與添加/
4.3.1基本概念/
4.3.2噪聲估計/
4.3.3噪聲添加/
第5章 幾何變換/
5.1空間變換/
5.1.1仿射變換/
5.1.2投影變換/
5.1.3極坐標(biāo)變換/
5.2灰度插值/
5.2.1最近鄰插值/
5.2.2雙線性插值/
5.2.3雙三次插值/
5.3圖像金字塔/
5.3.1高斯金字塔/
5.3.2均值金字塔/
第6章 圖像增強(qiáng)/
6.1灰度拉伸/
6.2基于直方圖的圖像增強(qiáng)/
6.2.1直方圖均衡化/
6.2.2直方圖規(guī)定化/
6.3指數(shù)、對數(shù)和冪次變換/
6.3.1指數(shù)變換/
6.3.2對數(shù)變換/
6.3.3冪次變換/
6.4對比度增強(qiáng)/
6.5陰影校正/
6.6沖擊濾波/
第7章 圖像分割/
7.1閾值分割/
7.1.1全局閾值/
7.1.2自動閾值/
7.1.3動態(tài)閾值/
7.1.4區(qū)域閾值/
7.1.5變差模型/
7.2基于邊緣的分割/
7.2.1邊緣圖像閾值化/
7.2.2邊界閉合/
7.3分水嶺法/
7.3.1無種子分水嶺算法/
7.3.2有種子分水嶺算法/
7.4區(qū)域生長法和k-means聚類算法/
7.4.1區(qū)域生長法/
7.4.2k-means聚類算法/
7.5彩色圖像分割/
7.5.1HSV顏色空間中的分割/
7.5.2二維直方圖中的分割/
第8章 區(qū)域分析/
8.1區(qū)域描述和提取/
8.1.1區(qū)域描述/
8.1.2區(qū)域提取/
8.2區(qū)域分析前處理/
8.2.1剔除邊緣區(qū)域/
8.2.2填充孔洞/
8.2.3提取孔洞/
8.3區(qū)域特征/
8.3.1面積、質(zhì)心和周長/
8.3.2長度、寬度和伸長度/
8.3.3等效橢圓的形狀特征/
8.3.4凸包特征/
8.3.5外接幾何圖形/
8.3.6緊湊度、粗糙度、矩形度和圓度/
8.3.7費雷特特征/
8.3.8孔洞特征/
8.3.9區(qū)域篩選/
8.4亞像素區(qū)域邊緣提取/
8.5區(qū)域分析應(yīng)用/
8.5.1產(chǎn)品表面缺陷檢測/
8.5.2位置檢測/
8.5.3數(shù)量統(tǒng)計/
第9章 邊緣檢測與尺寸測量/
9.1邊緣檢測/
9.1.1Marr-Hildreth算子/
9.1.2Canny算子/
9.1.3Hough變換/
9.1.4脊線檢測/
9.2亞像素邊緣檢測/
9.2.1一維亞像素邊緣檢測/
9.2.2二維亞像素邊緣檢測/
9.3邊緣特征/
9.3.1尺寸和位置特征/
9.3.2形狀特征/
9.3.3邊緣篩選/
9.4高精度尺寸測量/
9.4.1直線邊測量/
9.4.2圓和圓弧邊測量/
9.4.3提高測量精度/
9.5多邊形逼近曲線邊緣/
9.5.1Douglas-Peucker算法/
9.5.2離散曲線演化算法/
9.6邊緣分段/
第10章 圖像匹配/
10.1灰度匹配/
10.1.1絕對誤差和法與誤差平方和法/
10.1.2序貫相似性檢測法/
10.1.3相關(guān)系數(shù)法/
10.2特征匹配/
10.2.1邊緣距離法/
10.2.2邊緣梯度法/
10.2.3形狀上下文法/
10.2.4特征點法/
10.3圖像匹配應(yīng)用/
10.3.1應(yīng)用案例/
10.3.2使用技巧/
10.4小結(jié)/
第11章 機(jī)器學(xué)習(xí)/
11.1基本概念/
11.2k近鄰法/
11.3貝葉斯分類器/
11.3.1貝葉斯決策論/
11.3.2樸素貝葉斯分類器/
11.3.3正態(tài)貝葉斯分類器/
11.3.4貝葉斯分類器在OCR中的應(yīng)用/
11.4高斯混合模型/
11.4.1高斯混合模型的定義/
11.4.2高斯混合模型在缺陷檢測中的應(yīng)用/
11.5支持向量機(jī)/
11.5.1支持向量機(jī)概述/
11.5.2對偶問題/
11.5.3核函數(shù)/
11.5.4支持向量機(jī)擴(kuò)展/
11.5.5支持向量機(jī)在缺陷檢測中的應(yīng)用/
11.6神經(jīng)網(wǎng)絡(luò)/
11.6.1神經(jīng)元模型/
11.6.2單層感知機(jī)/
11.6.3多層感知機(jī)/
11.6.4異常檢測/
11.6.5多層感知機(jī)在OCR中的應(yīng)用/
11.7小結(jié)/
第12章 圖像處理中的數(shù)學(xué)基礎(chǔ)/
12.1集合/
12.2復(fù)數(shù)/
12.2.1復(fù)數(shù)的概念/
12.2.2復(fù)數(shù)的表示法/
12.3線性代數(shù)/
12.3.1矩陣和向量/
12.3.2矩陣運(yùn)算/
12.3.3線性方程組/
12.3.4特征值和特征向量/
12.3.5范數(shù)/
12.4概率論與數(shù)理統(tǒng)計/
12.4.1概率論的基本概念/
12.4.2隨機(jī)變量及其分布/
12.4.3隨機(jī)變量的數(shù)字特征/
12.4.4極大似然估計法/
12.5直線、曲線和曲面擬合/
12.5.1最小二乘法/
12.5.2直線擬合/
12.5.3圓和橢圓擬合/
12.5.4拋物線和拋物面擬合/
12.5.5高斯曲線和高斯曲面擬合/
12.6積分變換/
12.6.1傅里葉積分/
12.6.2傅里葉變換/
12.6.3卷積和相關(guān)/
參考文獻(xiàn)/