圖像工程——中冊:圖像分析(第5版)
章毓晉
相關主題
商品描述
目錄大綱
目錄
註: 加*號的部分均已電子化,可掃描二維碼下載並使用。
第1章緒論
1.1圖像和圖像工程
1.1.1圖像基礎
1.1.2圖像工程
1.2圖像分析概論
1.2.1圖像分析的定義和研究
內容
1.2.2圖像分析系統
1.3圖像分析中的數字化
1.3.1離散距離
1.3.2連通組元
1.3.3數字化模型
1.3.4數字弧和數字弦
1.4距離變換
1.4.1定義和性質
1.4.2局部距離的計算
1.4.3距離變換的實現
1.5內容框架和特點
總結和復習*
隨堂測試*
第1單元圖 像 分 割
第2章圖像分割基礎
2.1圖像分割定義和技術分類
2.2並行邊界技術
2.2.1邊緣及檢測原理
2.2.2正交梯度算子
2.2.3方向微分算子
2.2.4二階導數算子
2.2.5邊界閉合
2.3串行邊界技術
2.3.1主動輪廓模型
2.3.2能量函數
2.4並行區域技術
2.4.1原理和分類
2.4.2依賴像素的閾值
選取
2.4.3依賴區域的閾值
選取
2.4.4依賴坐標的閾值
選取
2.4.5空間聚類
2.5串行區域技術
2.5.1區域生長
2.5.2分裂合並
2.6基於深度學習的分割方法
分類
2.7全景分割
2.7.1全景分割流程
2.7.2語義分割
2.7.3實例分割
總結和復習*
隨堂測試*
第3章典型分割算法
3.1興趣點檢測
3.1.1二階導數檢測角點
3.1.2最小核同值區算子
3.1.3哈裡斯興趣點算子
3.2圖割方法
3.3特色的閾值化和聚類技術
3.3.1多分辨率閾值選取
3.3.2借助過渡區選擇
閾值
3.3.3借助均移方法確定
聚類
3.4分水嶺分割算法
3.4.1基本原理和步驟
3.4.2算法改進和擴展
總結和復習*
隨堂測試*
第4章分割技術擴展
4.1從像素單元到目標單元
4.1.1像素和目標之間的
單元
4.1.2橢圓目標檢測
4.2從哈夫變換到完整廣義哈夫
變換
4.2.1哈夫變換
4.2.2廣義哈夫變換原理
4.2.3完整廣義哈夫變換
4.3從像素精度到亞像素精度
4.3.1基於矩保持的技術
4.3.2利用一階微分期望值
的技術
4.3.3借助切線信息的
技術
4.4從2D圖像到3D圖像
4.4.13D邊緣檢測
4.4.23D圖像閾值化
4.5從灰度圖像到彩色圖像
4.5.1分割不同定義的
區域
4.5.2彩色圖像分割
策略
4.6面向醫學圖像的分割
4.6.1醫學圖像分割算法
概述
4.6.2交互式水平集胸主動脈
圖像分割
4.6.3用於醫學圖像分割的
UNet網絡
4.6.4醫學圖像標記數據的
解決方案
總結和復習*
隨堂測試*
第5章分割評價比較
5.1分割評價研究分類
5.2分割算法評價框架
5.3分割評價的準則
5.3.1分析法準則
5.3.2優度試驗法準則
5.3.3差異試驗法準則
5.4分割算法評價實例
5.4.1實驗算法和圖像
5.4.2實驗結果和討論
5.5評價方法和準則比較
5.5.1方法討論和對比
5.5.2準則的分析比較
5.5.3準則的實驗比較
5.6分割評價的進展
5.6.1分割算法的評估
5.6.2像素分類的評價
準則
5.6.3全景分割的評價
5.7基於評價的算法優選系統
5.7.1算法優選思想和
策略
5.7.2優選系統的實現和
效果
總結和復習*
隨堂測試*
第2單元表 達 描 述
第6章目標表達
6.1基於邊界的表達
6.1.1技術分類
6.1.2鏈碼
6.1.3邊界段
6.1.4邊界標志
6.1.5多邊形逼近
6.1.6地標點
6.2基於區域的表達
6.2.1技術分類
6.2.2空間占有數組
6.2.3四叉樹
6.2.4金字塔
6.2.5圍繞區域
6.2.6骨架
6.3基於變換的表達
6.3.1技術分類
6.3.2傅里葉變換表達
總結和復習*
隨堂測試*
第7章目標描述
7.1基於邊界的描述
7.1.1簡單邊界描述符
7.1.2形狀數
7.1.3邊界矩
7.2基於區域的描述
7.2.1簡單區域描述符
7.2.2拓撲描述符
7.2.3區域不變矩
7.3對目標關系的描述
7.3.1目標標記和計數
7.3.2點目標的分佈
7.3.3字符串描述
7.3.4樹結構描述
7.3.5空間關系數據集
總結和復習*
隨堂測試*
第8章目標顯著性
8.1顯著性概述
8.2顯著性檢測
8.2.1方法分類
8.2.2檢測流程
8.3顯著區域分割提取
8.3.1基於對比度幅值
8.3.2基於對比度分佈
8.3.3基於最小方向對
比度
8.3.4顯著目標分割和
評價
8.4基於背景先驗提取顯著性
區域
8.4.1相似距離
8.4.2最小柵欄距離的近似
計算
8.4.3流水驅動的顯著性區
域檢測
8.4.4定位目標建議區域
8.5基於最穩定區域提取顯著性
區域
8.6結合各種特徵的顯著性
檢測
8.6.1低秩背景約束和多線索
傳播
8.6.2邊界連通性和局部對
比度
8.7特定類型圖像的顯著性
檢測
8.7.1RGBD視頻
8.7.2光場圖像
總結和復習*
隨堂測試*
第9章測量和誤差分析
9.1直接測度和間接測度
9.2需區別的術語
9.2.1準確性和精確性
9.2.2模型假設和實際
觀察
9.2.34連通和8連通
9.3影響測量誤差的因素
9.3.1誤差來源
9.3.2光學鏡頭分辨率
9.3.3採樣密度
9.3.4分割算法
9.3.5特徵計算公式
9.3.6綜合影響
9.3.7隨機樣本共識
9.4誤差分析
總結和復習*
隨堂測試*
第3單元特 性 分 析
第10章紋理分析
10.1紋理研究概況
10.2紋理描述的統計方法
10.2.1灰度共生矩陣
10.2.2基於灰度共生矩陣的
紋理描述符
10.2.3基於能量的紋理描
述符
10.3紋理描述的結構方法
10.3.1結構描述法
基礎
10.3.2紋理鑲嵌
10.3.3局部二值模式
10.3.4完全局部二值
模式
10.4紋理描述的頻譜方法
10.4.1傅里葉頻譜
10.4.2蓋伯頻譜
10.5一種紋理分類合成方法
10.6紋理分割
10.6.1有監督紋理
分割
10.6.2無監督紋理
分割
總結和復習*
隨堂測試*
第11章形狀分析
11.1形狀定義和研究
11.2平面形狀分類
11.3形狀描述方法分類
11.4基於形狀特性的描述
11.4.1形狀緊湊性
描述
11.4.2形狀復雜性
描述
11.5基於特定技術的描述
11.5.1基於多邊形的描
述符
11.5.2基於離散曲率的
描述符
11.6拓撲結構的描述
11.7分形維數
總結和復習*
隨堂測試*
第12章運動分析
12.1運動研究內容
12.2運動目標檢測
12.2.1背景建模
12.2.2光流場
12.2.3特定運動模式的
檢測
12.3運動目標分割
12.3.1目標分割和運動
信息提取
12.3.2分割方法分類
12.3.3稠密光流算法
12.3.4基於參數和模型的
分割
12.3.5融合多尺度上下文與
時間信息
12.3.6結合ROI預測和參考
幀更新
12.4運動目標跟蹤
12.4.1典型技術
12.4.2尺度非各向同性的
均移
12.4.3均移結合粒子濾
波器
12.4.4子序列決策
策略
12.5移動陰影檢測
12.5.1算法流程圖
12.5.2前景檢測
12.5.3特徵模板提取
12.5.4顏色模板的
判斷
12.5.5提取目標像素並
抑制陰影
12.5.6獲取完整目標
區域
12.6基於孿生網絡的目標
跟蹤
12.6.1引導錨定區域推薦
網絡
12.6.2無錨框全捲積孿生跟
蹤器
總結和復習*
隨堂測試*
第13章屬性分析
13.1屬性描述概況
13.1.1屬性的類型
13.1.2屬性的層次
13.1.3屬性學習結構和
框架
13.2屬性學習中的特徵比較
13.3視覺屬性和零樣本學習
13.3.1基於屬性的零樣本
學習
13.3.2零樣本語義自編
碼器
13.3.3零樣本屬性
識別
13.4基於屬性的行人再識別
13.4.1借助行人屬性先驗分
布的方法
13.4.2借助對行人屬性分級
的方法
13.4.3結合全身和部件屬性
的方法
13.4.4跨模態異構行人再
識別
13.5圖像屬性應用示例
13.5.1跨類目標分類
13.5.2屬性學習和目標
識別
13.5.3基於局部動作屬性
的動作分類
總結和復習*
隨堂測試*
第4單元數 學 工 具
第14章二值數學形態學
14.1基本集合定義
14.2二值形態學基本運算
14.2.1二值膨脹和
腐蝕
14.2.2二值開啟和
閉合
14.2.3二值基本運算
性質
14.3二值形態學組合運算
14.3.1擊中擊不中
變換
14.3.2二值組合運算
14.4二值形態學實用算法
14.5形態學算子及其應用
領域
總結和復習*
隨堂測試*
第15章灰度數學形態學
15.1灰度圖像的排序
15.2灰度形態學基本運算
15.2.1灰度膨脹和
腐蝕
15.2.2灰度開啟和
閉合
15.2.3灰度基本運算
性質
15.3灰度形態學組合運算
15.3.1形態濾波
15.3.2高帽變換和低帽
變換
15.4灰度形態學實用算法
15.4.1背景估計和
消除
15.4.2目標分割
15.5結構元素中的屬性修改
15.5.1純像素指標
15.5.2形態偏心指標
15.5.3自動形態學端元
提取
15.5.4將PPI嵌入
AMEE
15.6圖像代數
總結和復習*
隨堂測試*
第16章圖像識別
16.1模式和分類
16.2不變量交叉比
16.2.1交叉比
16.2.2非共線點的不
變量
16.2.3對稱的交叉比
函數
16.2.4交叉比應用示例
16.3統計模式識別
16.3.1最小距離分
類器
16.3.2最優統計分
類器
16.3.3自適應自舉
16.4感知機和支持向量機
16.4.1感知機
16.4.2支持向量機
16.5結構模式識別
16.5.1字符串結構
識別
16.5.2樹結構識別
總結和復習*
隨堂測試*
附錄A人臉和表情識別
A.1生物特徵識別
A.2人臉檢測定位
A.2.1基本方法
A.2.2基於豪斯道夫距離
的方法
A.3人臉活體檢測
A.3.1人臉欺騙
A.3.2交互式和非交互式
方法
A.3.3人臉反欺騙技術
分類
A.4眼睛檢測和跟蹤
A.4.1眼睛幾何模型及
確定
A.4.2眨眼過程中的眼睛
輪廓跟蹤
A.5人臉識別
A.5.1邊緣本徵矢量加權
方法
A.5.2相關濾波器
設計
A.5.3監督線性降維
A.5.4非特定表情人臉
識別
A.5.5遮擋人臉識別
A.6表情識別
A.6.1表情識別和
步驟
A.6.2人臉表情特徵
提取
A.6.3基於蓋伯變換的
特徵提取
A.6.4表情特徵的稀疏
表達
A.6.5表情分類
A.6.6基於高階奇異值分解
的分類
A.6.7矢量輸入多類輸出表
情分類
A.6.8微表情識別
主題索引
部分思考題和練習題解答*
參考文獻*