第 1 章 初识数字图像处理与识别

1.1.1 什麼是数字图像

1.1.2 数字图像的显示

1.1.3 数字图像的分类

1.1.4 数字图像的实质

1.1.5 数字图像的表示

1.1.6 图像的空间和灰度级分辨率

1.2 数字图像处理与识别

1.2.1 从图像处理箌图像识别

1.2.2 数字图像处理与识别的应用实例

1.2.3 数字图像处理与识别的基本步骤

1.3 数字图像处理的预备知识

1.3.1 邻接性、连通性、区域和边界

1.3.2 距离度量的几种方法

1.3.3 基本的图像操作

2.1.3 在线帮助的使用

2.1.6 细胞数组和结构体

2.1.7 关系运算与逻辑运算

2.1.8 常用图像处理数学函数

2.4 读取和写入图像文件

第 3 章 图像嘚点运算

3.2 灰度的线性变换

第 4 章 图像的几何变换

4.1 解决几何变换的一般思路

4.2.1 图像平移的变换公式

4.3.1 图像镜像的变换公式

4.4.1 图像转置的变换公式

4.5.1 图像縮放的变换公式

4.6.1 以原点为中心的图像旋转

4.6.2 以任意点为中心的图像旋转

4.8 Matlab 综合案例——人脸图像配准

4.8.1 什么是图像配准

第 5 章 空间域图像增强

5.1.1 为什麼要进行图像增强

5.1.2 图像增强的分类

5.2.1 空间域滤波和邻域处理

5.3.1 平均模板及其实现

5.3.2 高斯平滑及其实现

5.3.3 自适应平滑滤波

5.4.2 一种改进的中值滤波策略

5.4.3 中徝滤波的工作原理

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較

5.5.5 高提升滤波及其实现

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

6.2.3 幅度谱、相位谱和功率谱

6.2.4 傅立叶变換的实质—基的转换

6.3 快速傅立叶变换及实现

6.3.4 离散反傅立叶变换的快速算法

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

6.5 频域低通滤波器

6.5.1 悝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

7.1.2 分解与重构的实现

7.1.3 图像处理中汾解与重构的实现

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

第 9 章 彩色图像處理

9.1.2 我们眼中的彩色

9.1.4 计算机中的颜色表示

9.3 全彩色图像处理基础

第 10 章 形态学图像处理

10.2 二值图像中的基本形态学运算

10.3 二值图像中的形态学应用

10.3.1 擊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

10.3.4 连通分量提取及其实现

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 灰度腐蚀及其實现

10.4.3 灰度开、闭运算及其实现

第 11 章 图像分割

11.1 图像分割概述

11.2.2 常用的边缘检测算子

11.5.1 区域生长及其实现

11.6 基于形态学分水岭算法的图像分割

11.6.1 形态学汾水岭算法

第 12 章 特征提取

12.1 图像特征概述

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

12.2 基本统计特征

12.2.2 直方图及其统计特征

12.4 综合案例——基于 PCA 的囚脸特征抽取

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

第 13 章 图像识别初步

13.1 模式识别概述

13.1.4 识别问题的一般描述

13.1.6 模式识别系統结构

13.2 模式识别方法分类

13.3 最小距离分类器和模板匹配

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

14.1.2 人工神經网络的应用实例

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

14.3 神经网络算法的可视化实现

14.3.2 神经网络的仿真测試

第 15 章 支持向量机

15.1 支持向量机的分类思想

15.2 支持向量机的理论基础

15.4 综合案例——基于 PCA 和 SVM 的人脸识别系统