目录-图像处理分析与机器视觉

第1章 引言
1.1 总结
1.2 习题
1.3 参考文献
第2章 数字图像及其性质
2.1 基本概念
2.1.1 图像函数
2.1.2 狄拉克（Dirac）分布和卷积
2.1.3 傅里叶变换
2.1.4 作为随机过程的图像
2.1.5 作为线性系统的图像
2.2 数字图像化
2.2.1 采样
2.2.2 量化
2.2.3 彩色图像
2.3 数字图像性质
2.3.1 数字图像的度量和拓扑性质
2.3.2 直方图
2.3.3 图像的视觉感知
2.3.4 图像品质
2.3.5 图像中的噪声
2.4 总结
2.5 习题
2.6 参考文献

第3章 图像分析的数据结构
3.1 图像数据表示的层次
3.2 传统图像数据结构
3.2.1 矩阵
3.2.2 链
3.2.3 拓扑数据结构
3.2.4 关系结构
3.3 分层数据结构
3.3.1 金字塔
3.3.2 四叉树
3.3.3 其他金字塔结构
3.4 总结
3.5 习题
3.6 参考文献
第4章 图像预处理
4.1 像素亮度变换
4.1.1 与位置相关的亮度矫正
4.1.2 灰度级变换
4.2 几何变换
4.2.1 像素坐标变换
4.3 局部预处理
4.3.1 图像平滑
4.3.2 边缘检测算子
4.3.3 二阶导数过零点
4.3.4 图像处理中的尺度
4.3.5 Canny边缘提取
4.3.6 参数化边缘模型
4.3.7 多光谱图像中的边缘
4.3.8 其他局部预处理算子
4.3.9 自适应领域性预处理
4.4 图像复原
4.4.1 容易复原的退化
4.4.2 逆滤波
4.4.3 维纳滤波

第5章 分割
5.1 阈值化
5.1.1 阈值检测方法
5.1.2 最优阈值化
5.1.3 多光谱阈值化
5.1.4 分层数据结构下的阈值化
5.2 基于边缘的分割
5.2.1 边缘图像阈值化
5.2.2 边缘松弛法
5.2.3 边界跟踪
5.2.4 作为图搜索的边缘跟踪
5.2.5 作为动态规划的边缘跟踪
5.2.6 Hough变换
5.2.7 使用边界位置信息的边界检测
5.2.8 从边界构造区域
5.3 基于区域的分割
5.3.1 区域归并
5.3.2 区域分裂
5.3.3 分裂与归并
5.3.4 分水岭分割
5.3.5 区域增长后处理
5.4 匹配
5.4.1 匹配标准
5.4.2 匹配的控制策略
5.5 高级最优边界与表面检测方法
5.5.1 边界对的同时检测
5.5.2 表面检测
5.6 总结
5.7 习题
5.8 参考文献

第6章 形状表示与描述
6.1 区域标识
6.2 基于轮廓的形状表示与描述
6.2.1 链码
6.2.2 简单几何边界表示
6.2.3 边界的傅里叶变换
6.2.4 使用片段序列的边界描述
6.2.5 B样条表示
6.2.6 其他基于轮廓的形状描述方法
6.2.7 形状不变量
6.3 基于区域的形状表示与描述
6.3.1 简单的标量区域描述
6.3.2 距
6.3.3 凸包
6.3.4 基于区域骨架的图表示
6.3.5 区域分解
6.3.6 区域邻近图
6.4 形状总结
6.5 总结
6.6 习题
6.7 参考文献

第7章 物体识别
7.1 知识表示
7.2 统计模式识别
7.2.1 分类原理
7.2.2 分类器设置
7.2.3 分类器学习
7.2.4 聚类分析
7.3 神经元网络
7.3.1 前馈网络
7.3.2 非监督学习
7.3.3 Hopfield 神经元网络
7.4 句法模式识别
7.4.1 语法与语言
7.4.2 句法分析与句法分类器
7.4.3 句法分类器学习与语法推导
7.5 作为图匹配的识别
7.5.1 图与子图的同构
7.5.2 图的相似度
7.6 识别中的优化技术
7.6.1 遗传算法
7.6.2 模拟退火
7.7 模糊系统
7.7.1 模糊集合和模糊隶属函数
7.7.2 模糊集合运算
7.7.3 模糊推理
7.7.4 模糊系统设计与训练
7.8 总结
7.9 习题
7.10 参考文献

第8章 图像理解
8.1 图像理解控制策略
8.1.1 并行和串行处理控制
8.1.2 分层控制
8.1.3 自底向上的控制策略
8.1.4 基于模型的控制策略
8.1.5 混合的控制策略
8.1.6 非分层控制策略
8.2 活动轮廓模型——蛇行
8.3 点分布模型
8.4 图像理解中的模式识别方法
8.5 场景标注和约束传播
8.5.1 离散松弛法
8.5.2 概率松弛法
8.5.3 搜索解释树
8.6 语义图像分割和理解
8.6.1 语义区域增长
8.6.2 遗传图像解释
8.7 隐马尔科夫模型
8.8 总结
8.9 习题
8.10 参考文献

第9章 3D视觉，几何和辐射学
9.1 3D视觉任务
9.1.1 Marr理论
9.1.2 其他视觉范畴：主动和有目的的视觉
9.2 3D视觉的几何
9.2.1 射影几何学基础
9.2.2 单透视摄像机
9.2.3 单摄像机标定概述
9.2.4 从已知场景标定一个摄像机
9.2.5 双摄像机和立体感知
9.2.6 双摄像机几何学——基本矩阵
9.2.7 摄像机的相对运动——本质矩阵
9.2.8 从图像对应点估计基本矩阵
9.2.9 视觉中的极限几何的应用
9.2.10 三摄像机和更多摄像机
9.2.11 立体对应点算法
9.2.12 距离图像的主动获取
9.3 辐射学与3D视觉
9.3.1 在确定灰度量级时的辐射学考虑
9.3.2 表面反射
9.3.3 由阴影到形状
9.3.4 光度测量立体视觉
9.4 总结
9.5 习题
9.6 参考文献

第10章 3D视觉的应用
10.1 由X到形状
10.1.1 由运动到形状
10.1.2 由纹理到形状
10.1.3 其他由X到形状的技术
10.2 完全的3D物体
10.2.1 3D物体，模型以及相关问题
10.2.2 线条标注
10.2.3 体积表示和直接测量
10.2.4 体积建模策略
10.2.5 表面建模策略
10.2.6 为获取完整3D模型的面元标注与融合
10.3 基于3D模型的视觉
10.3.1 一般考虑
10.3.2 Goad算法
10.3.3 基于模型的亮度图像曲面物体识别
10.3.4 基于模型的距离图像识别
10.4 3D场景的2D视图表达
10.4.1 观察空间
10.4.2 多视图表达和示象图
10.4.3 作为2D视图结构化表达的几何基元
10.4.4 利用存储的2D视图显示3D真实世界场景
10.5 总结
10.6 习题
10.7 参考文献

第11章 数学形态学
11.1 形态学基本概念
11.2 形态学四原则
11.3 二值膨胀
11.3.1 膨胀
11.3.2 腐蚀
11.3.3 击中击不中变换
11.3.4 开运算和闭运算
11.4 灰度级膨胀和腐蚀
11.4.1 顶面，本影和灰度级膨胀和腐蚀
11.4.2 本影同胚定理和膨胀，腐蚀及开，闭运算的性质
11.4.3 顶帽变换
11.5 骨架和物体标记
11.5.1 同伦变换
11.5.2 骨架和最大球
11.5.3 细化，粗化和同伦骨架
11.5.4 熄灭函数和最终腐蚀
11.5.5 最终腐蚀和距离函数
11.5.6 测地变换
11.5.7 形态学重构
11.6 粒度测定法
11.7 形态学分割和分水岭
11.7.1 粒子分割，标记和分水岭
11.7.2 二值形态学分割
11.7.3 灰度级分割和分水岭
11.8 总结
11.9 习题
11.10 参考文献

第12章 线性离散图像变换
12.1 基本理论
12.2 傅里叶变换
12.3 哈达马变换
12.4 离散余弦变换
12.5 小波
12.6 其他正交图像变换
12.7 离散图像变换的应用
12.8 总结
12.9 习题
12.10 参考文献

第13章 图像数据压缩
13.1 图像数据性质
13.2 图像数据压缩中的离散图像变换
13.3 预测压缩方法
13.4 矢量量化
13.5 分层的和渐进的压缩方法
13.6 压缩方法比较
13.7 其他技术
13.8 编码
13.9 JPEG和MPEG图像压缩
13.9.1 JPEG——静态图像压缩
13.9.2 MPEG——全运动的视频压缩
13.10 总结
13.11 习题
13.12 参考文献

第14章 纹理
14.1 统计纹理描述
14.1.1 基于空间频率的方法
14.1.2 共生矩阵
14.1.3 边缘频率
14.1.4 基元长度（行程）
14.1.5 Laws的纹理能量度量
14.1.6 分形纹理描述
14.1.7 其他纹理描述的统计方法
14.2 句法纹理描述的统计方法
14.2.1 形状链语法
14.2.2 图语法
14.2.3 分层纹理中的基元分组
14.3 混合的纹理描述方法
14.4 纹理识别方法的应用
14.5 总结
14.6 习题
14.7 参考文献

第15章 运动分析
15.1 差分运动分析方法
15.2 光流
15.2.1 光流计算
15.2.2 全局和局部光流估计
15.2.3 光流计算方法
15.2.4 运动分析中的光流
15.3 基于兴趣点对应关系的分析
15.3.1 兴趣点的检测
15.3.2 兴趣点的对应关系
15.3.3 物体跟踪
15.4 卡尔曼滤波
15.5 总结
15.6 习题
15.7 参考文献

第16章 案例研究
16.1 光学音乐识别系统
16.2 心脏病学中的自动图像分析
16.2.1 冠状血管造影的鲁棒分析
16.2.2 基于知识的脉管内超声分析
16.3 自动气道树识别
16.4 被动监视
16.5 参考文献

数字图像处理，本科生课程
1 引言
2 数字图像及其性质
3 图像分析的数据结构
4 图像预处理（除4.3.6~4.3.9， 4.4.3， 4.3.4的一部分， 4.3.5以外）
5 分割
5.1 阈值化（除5.1.3， 5.1.4以外）
5.2 基于边缘的分割（除5.2.8， 5.2.4的一部分， 5.2.5以外）
5.3 区域增长分割（除5.3.4以外）
5.4 匹配
12 线性离散图像变换
13 图像数据压缩
16 案例研究（挑选的课题）

数字图像分析， 本科生/研究生课程， 数字图像处理可作为先修课
1 引言（简要回顾）
2 数字图像及其性质（简要回顾）
5 分割
5.1.3 多光谱阈值化
5.1.4 分层数据结构下的阈值化
5.2.4 作为图搜索的边缘跟踪
5.2.5 作为动态规划的边缘跟踪
5.3.4 分水岭分割
6 形状表示与分割
7 物体识别
7.1 知识表示
7.2 统计模式识别
7.3 神经元网络
7.4句法模式识别
11 数学形态学
14 纹理
16 案例研究（挑选的课题）

计算机视觉1， 本科生/研究生课程， 数字图像处理可作为先修课。）
1 引言（简要回顾）
2 数字图像及其性质（简要回顾）
4 图像预处理
4.3.3 二阶导数的过零点
4.3.4 图像处理的尺度
4.3.5 Canny边缘检测
4.3.6 参数化边缘模型
4.3.7 多光谱图像中的边缘
4.3.8 其他局部预处理算子
4.3.9 自适应领域性预处理
6 形状表示与描述
7 物体识别
8 图像理解
16 案例研究（挑选的课题）

计算机视觉2， 研究生课程， 计算机视觉1可做先修课
5 分割
5.2.4 作为图搜索的边缘跟踪
5.2.5 作为动态规划的边缘跟踪
5.5 高级边界与表面检测方法
9 3D视觉， 几何和辐射学
10 3D视觉的应用
15 运动分析-实际的3D视觉项目

参考文献：图像处理分析与机器视觉 Milan Sonka,Vaclav Hlavac,Roger Boyle著。