圖像工程——中冊：圖像分析（第5版）

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2D圖像到3D圖像

4．4．13D邊緣檢測

4．4．23D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

UNet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

8．7．1RGBD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*