數字圖像處理（MATLAB版）

張俊超，博士，中南大學自動化學院副教授，碩/博士生導師，湖南省普通高校青年骨幹教師，“龍城英才計劃”領軍人才，入選斯坦福全球前2%**科學家榜單，中國光學工程學會計算成像專業委員會青年委員、中國自動化學會青工委委員，中國光學工程學會高級會員，《紅外與激光工程》、《應用光學》等期刊青年編委, 2017-2018年國家公派訪學美國亞利桑那大學。主要研究方向為光電信息處理、偏振成像和微光成像，發表學術論文50余篇，ESI高被引論文2篇，熱點論文1篇，Google學術引用1300余次，H指數為21，i10指數為31，授權國家發明專利5項。主持國家自然科學基金、國家重點研發計劃子課題、湖南省自然科學基金和重點實驗室基金等項目多項，獲湖南省自然科學優秀學術論文二等獎1項（排1）。承擔本科生專業課《數字圖像處理》和《模式識別》教學任務，主持教學改革項目3項，發表教改論文1篇，主編教材1部，曾獲第六屆全國高校電子信息類專業青教賽一等獎、第三屆和第四屆湖南省普通高校教師教學創新大賽一等獎等10余項榮譽。

 

目錄

 

 

理論篇

 

第1章緒論

 

微課視頻26分鐘

 

1.1成像

 

1.1.1相機成像模型

 

1.1.2相機標定

 

1.2圖像

 

1.2.1圖像數字化

 

1.2.2圖像表示和顯示

 

1.2.3圖像的基本概念

 

1.3數字圖像處理系統

 

1.3.1圖像采集探測器

 

1.3.2圖像顯示和打印

 

1.3.3圖像存儲

 

1.4本書內容安排

 

參考文獻

 

第2章圖像幾何變換

 

微課視頻31分鐘

 

2.1圖像位置變換

 

2.1.1圖像平移

 

2.1.2圖像鏡像

 

2.1.3圖像旋轉

 

2.2圖像形狀變換

 

2.2.1圖像縮放

 

2.2.2圖像錯切

 

2.3圖像仿射變換

 

2.3.1一般仿射變換

 

2.3.2特殊仿射變換

 

2.3.3變換間的聯系

 

 

2.4圖像超分辨率重建

 

2.4.1基於圖像插值的圖像超分辨率

 

2.4.2基於稀疏編碼的圖像超分辨率

 

2.4.3基於深度學習的圖像超分辨率

 

參考文獻

 

第3章圖像變換

 

微課視頻31分鐘

 

3.1傅裏葉變換

 

3.1.1傅裏葉級數

 

3.1.22D傅裏葉變換

 

3.1.3傅裏葉變換的意義分析

 

3.1.4傅裏葉變換的性質

 

3.1.5快速傅裏葉變換

 

3.2離散余弦變換

 

3.3Gabor變換

 

3.4小波變換

 

3.4.1Haar小波分析

 

3.4.2Haar小波變換的實現算法

 

3.4.3圖像的小波變換

 

3.5圖像變換前沿算法

 

3.5.1基於主成分分析法的圖像變換

 

3.5.2基於矩陣低秩分解法的圖像變換

 

3.5.3基於字典學習法的圖像變換

 

3.5.4基於自動編碼器法的圖像變換

 

參考文獻

 

 

 

 

 

 

 

第4章圖像增強

 

微課視頻31分鐘

 

4.1空域圖像增強

 

4.1.1灰度映射

 

4.1.2直方圖變換

 

4.1.3基於空域濾波的圖像增強算法

 

4.2頻域圖像增強

 

4.2.1低通和高通濾波

 

4.2.2帶阻和帶通濾波

 

4.2.3同態濾波

 

4.3圖像增強前沿算法

 

4.3.1基於結構和紋理引導Retinex模型的圖像增強

 

4.3.2基於感知結構塊分解的圖像增強

 

4.3.3基於深度學習的圖像增強

 

 

參考文獻

 

第5章圖像去噪

 

微課視頻37分鐘

 

5.1常見的圖像噪聲

 

5.2基於空域濾波法的圖像去噪算法

 

5.2.1均值濾波

 

5.2.2中值濾波

 

5.2.3高斯低通濾波

 

5.2.4雙邊濾波

 

5.2.5引導濾波

 

5.2.6NLM濾波

 

5.3基於頻域低通濾波的圖像去噪算法

 

5.4圖像去噪前沿算法

 

5.4.1基於稀疏編碼的圖像去噪算法

 

5.4.2基於矩陣低秩分解的圖像去噪算法

 

5.4.3基於深度學習的圖像去噪算法

 

5.4.4基於擴散模型的圖像去噪

 

參考文獻

 

第6章圖像融合

 

微課視頻11分鐘

 

6.1圖像融合原理

 

6.1.1傳統的圖像融合

 

6.1.2基於深度學習的圖像融合

 

6.2典型圖像融合任務

 

6.2.1多曝光圖像融合

 

6.2.2多聚焦圖像融合

 

6.2.3多光譜圖像融合

 

6.2.4紅外圖像與可見光圖像融合

 

6.2.5偏振圖像融合

 

6.3圖像融合前沿算法

 

6.3.1基於圖像變換的圖像融合

 

6.3.2基於卷積神經網絡的圖像融合

 

6.3.3基於Transformer的圖像融合

 

參考文獻

 

第7章圖像邊緣檢測

 

微課視頻38分鐘

 

7.1邊緣及檢測原理

 

7.2正交梯度算子

 

7.2.1Roberts算子

 

7.2.2Prewitt算子

 

7.2.3Sobel算子

 

7.3方向微分算子

 

7.4二階微分算子

 

7.4.1拉普拉斯算子

 

7.4.2LoG算子

 

7.5Canny算子

 

7.6霍夫變換

 

7.6.1霍夫變換的基本原理

 

7.6.2直線檢測

 

7.6.3圓周檢測

 

7.7基於深度學習的圖像邊緣檢測

 

參考文獻

 

 

第8章圖像分割

 

微課視頻25分鐘

 

8.1基於閾值的圖像分割算法

 

8.1.1硬閾值的分割算法

 

8.1.2自適應閾值的分割算法

 

8.2區域增長算法

 

8.3基於分水嶺的圖像分割算法

 

8.4基於主動輪廓的圖像分割算法

 

8.4.1曲線微分幾何基礎

 

8.4.2Snake模型

 

8.4.3水平集方法

 

8.5圖像顯著性檢測

 

8.5.1基於圖像變換的顯著性檢測

 

8.5.2基於統計特性的顯著性檢測

 

8.5.3基於深度學習的顯著性檢測

 

8.6圖像語義分割

 

8.6.1基於圖分割的語義分割

 

8.6.2基於深度學習的語義分割

 

參考文獻

 

第9章二值圖像和彩色圖像處理

 

微課視頻26分鐘

 

9.1二值圖像基本概念

 

9.2二值形態學基本運算

 

9.2.1膨脹和腐蝕

 

9.2.2開運算和閉運算

 

9.2.3二值基本運算性質

 

9.3二值形態學組合運算

 

9.3.1擊中擊不中變換

 

9.3.2區域凸包

 

9.3.3圖像細化

 

9.4灰度形態學基本運算

 

9.4.1灰度膨脹和腐蝕

 

9.4.2灰度開運算和閉運算

 

9.4.3Tophat變換

 

9.5彩色成像原理

 

9.6彩色模型

 

9.6.1面向硬件設備的彩色模型

 

9.6.2面向視覺感知的彩色模型

 

9.7彩色圖像處理

 

9.7.1彩色圖像處理策略

 

9.7.2彩色圖像插值

 

9.7.3彩色圖像色彩校正

 

9.7.4彩色圖像白平衡

 

9.8圖像質量評價

 

9.8.1有參考的評價指標

 

9.8.2無參考的評價指標

 

參考文獻

 

第10章圖像目標特征提取與檢測

 

微課視頻16分鐘

 

10.1目標特征提取

 

10.1.1角點特征提取

 

10.1.2形狀特征提取

 

10.1.3紋理特征提取

 

10.1.4深層次特征提取

 

10.2圖像識別分類器

 

10.2.1感知器

 

10.2.2支持向量機

 

10.2.3神經網絡

 

10.3目標檢測

 

10.3.1經典目標檢測算法

 

10.3.2Twostage的目標檢測算法

 

10.3.3Onestage的目標檢測算法

 

參考文獻

 

 

項目篇

 

第11章項目一： 分焦平面偏振成像

 

11.1偏振圖像超分辨率重建

 

11.2偏振圖像去噪

 

11.3偏振圖像融合

 

參考文獻

 

第12章項目二： 微光全彩色成像

 

12.1微光圖像增強

 

12.2多曝光圖像融合

 

12.3紅外圖像與可見光圖像融合

 

參考文獻

 

第13章項目三： 惡劣環境下圖像復原

 

13.1基於偏振成像的圖像去霧

 

13.2圖像去雨雪

 

13.3水下圖像復原

 

參考文獻

 

第14章項目四： 目標檢測

 

14.1紅外弱小目標檢測

 

14.2基於偏振視覺的偽裝目標檢測

 

14.3微光場景下目標檢測

 

參考文獻