5.5　图像锐化　
5.5.1　理论基础　
5.5.2　基于一阶导数的图像增强——梯度算子　
5.5.3　基于二阶微分的图像增强——拉普拉斯算子　
5.5.4　基于一阶与二阶导数的锐化算子的比较　
5.5.5　高提升滤波及其实现　
5.5.6　高斯-拉普拉斯变换(laplacian of a gaussian, log)　
第6章　频率域图像增强　
6.1　频率域滤波——与空间域滤波殊途同归　
6.2　傅立叶变换基础知识　
6.2.1　傅立叶级数　
6.2.2　傅立叶变换　
6.2.3　幅度谱、相位谱和功率谱　
6.2.4　傅立叶变换的实质—基的转换　
6.3　快速傅立叶变换及实现　
6.3.1　fft变换的必要性　
6.3.2　常见的fft算法　
6.3.3　按时间抽取的基-2 fft算法　
6.3.4　离散反傅立叶变换的快速算法　
6.3.5　n维快速傅立叶变换　
6.3.6　matlab实现　
6.4　频域滤波基础　
6.4.1　频域滤波与空域滤波的关系　
6.4.2　频域滤波的基本步骤　
6.4.3　频域滤波的matlab实现　
6.5　频域低通滤波器　
6.5.1　理想低通滤波器及其实现　
6.5.2　高斯低通滤波器及其实现　
6.6　频率域高通滤波器　
6.6.1　高斯高通滤波器及其实现　
6.6.2　频域拉普拉斯滤波器及其实现　
6.7　matlab综合案例——利用频域滤波消除周期噪声　
6.7.1　频域带阻滤波器　
6.7.2　带阻滤波消除周期噪声　
6.8　频域滤波器与空域滤波器之间的内在联系　
第7章　小波变换　
7.1　多分辨率分析　
7.1.1　多分辨率框架　
7.1.2　分解与重构的实现　
7.1.3　图像处理中分解与重构的实现　
7.2　gabor多分辨率分析　
7.3　常见小波分析　
7.3.1　haar小波　
7.3.2　daubechies小波　
7.4　高维小波　
第8章　图像复原　
8.1　图像复原的一般理论　
8.1.1　图像复原的基本概念　
8.1.2　图像复原的一般模型　
8.2　实用图像复原技术　
8.2.1　图像复原的数值计算方法　
8.2.2　非线性复原　
第9章　彩色图像处理　
9.1　彩色基础　
9.1.1　什么是彩色　
9.1.2　我们眼中的彩色　
9.1.3　三原色　
9.1.4　计算机中的颜色表示　
9.2　彩色模型　
9.2.1　rgb模型　
9.2.2　cmy、cmyk模型　
9.2.3　hsi模型　
9.2.4　hsv模型　
9.2.5　yuv模型　
9.2.6　yiq模型　
9.2.7　lab模型简介　
9.3　全彩色图像处理基础　
9.3.1　彩色补偿及其matlab实现　
9.3.2　彩色平衡及其matlab实现　
第10章　形态学图像处理　
10.1　预备知识　
10.2　二值图像中的基本形态学运算　
10.2.1　腐蚀及其实现　
10.2.2　膨胀及其实现　
10.2.3　开运算及其实现　
10.2.4　闭运算及其实现　
10.3　二值图像中的形态学应用　
10.3.1　击中与击不中变换及其实现　
10.3.2　边界提取与跟踪及其实现　
10.3.3　区域填充　
10.3.4　连通分量提取及其实现　
10.3.5　细化算法　
10.3.6　像素化算法　
10.3.7　凸壳　
10.3.8　bwmorph函数　
10.4　灰度图像中的基本形态学运算　
10.4.1　灰度膨胀及其实现　
10.4.2　灰度腐蚀及其实现　
10.4.3　灰度开、闭运算及其实现　
10.4.4　顶帽变换(top-hat)及其实现　
10.5　小结　
第11章　图像分割　
11.1　图像分割概述　
11.2　边缘检测　
11.2.1　边缘检测概述　
11.2.2　常用的边缘检测算子　
11.2.3　matlab实现　
11.3　霍夫变换　
11.3.1　直线检测　
11.3.2　曲线检测　
11.3.3　任意形状的检测　
11.3.4　hough变换直线检测的matlab实现　
11.4　阈值分割　
11.4.1　阈值分割方法　
11.4.2　matlab实现　
11.5　区域分割　
11.5.1　区域生长及其实现　
11.5.2　区域分裂与合并及其matlab实现　
11.6　基于形态学分水岭算法的图像分割　
11.6.1　形态学分水岭算法　
11.6.2　matlab实现　
11.7　matlab综合案例——分水岭算法　
11.8　小结　
第12章　特征提取　
12.1　图像特征概述　
12.1.1　什么是图像特征　
12.1.2　图像特征的分类　
12.1.3　特征向量及其几何解释　
12.1.4　特征提取的一般原则　
12.1.5　特征的评价标准　
12.2　基本统计特征　
12.2.1　简单的区域描绘子及其matlab实现　
12.2.2　直方图及其统计特征　
12.2.3　灰度共现矩阵　
12.3　特征降维　
12.3.1　维度灾难　
12.3.2　特征选择简介　
12.3.3　主成分分析　
12.3.4　快速pca及其实现　
12.4　综合案例——基于pca的人脸特征抽取　
12.4.1　数据集简介　
12.4.2　生成样本矩阵　
12.4.3　主成分分析　
12.4.4　主成分脸可视化分析　
12.4.5　基于主分量的人脸重建　
12.5　局部二进制模式　
12.5.1　基本lbp　
12.5.2　圆形邻域的lbpp,r算子　
12.5.3　统一化lbp算子——uniform lbp及其matlab实现　
12.5.4　mb-lbp及其matlab实现　
12.5.5　图像分区及其matlab实现　
第13章　图像识别初步　
13.1　模式识别概述　
13.1.1　模式与模式识别　
13.1.2　图像识别　
13.1.3　关键概念　
13.1.4　识别问题的一般描述　
13.1.5　过度拟合　
13.1.6　模式识别系统结构　
13.1.7　训练/学习方法分类　
13.2　模式识别方法分类　
13.2.1　统计模式识别　
13.2.2　句法模式识别　
13.2.3　小结　
13.3　*小距离分类器和模板匹配　
13.3.1　*小距离分类器及其matlab实现　
13.3.2　基于相关的模板匹配　
13.3.3　相关匹配的计算效率　
第14章　人工神经网络　
14.1　人工神经网络简介　
14.1.1　仿生学动机　
14.1.2　人工神经网络的应用实例　
14.2　人工神经网络的理论基础　
14.2.1　训练线性单元的梯度下降算法　
14.2.2　多层人工神经网络　
14.2.3　sigmoid单元　
14.2.4　反向传播(bp，back propogation)算法　
14.2.5　训练中的问题　
14.3　神经网络算法的可视化实现　
14.3.1　nntool的主要功能及应用　
14.3.2　神经网络的仿真测试　

 2/3   首页 上一页 1 2 3 下一页 尾页

工业技术 电子通信 无线通信

在线阅读