PART 1 原理與技術
第一章 簡介
1.1 背景 1-1
1.2 影像的表示 1-4
1.3 數位影像處理 1-6
1.4 數位影像處理系統 1-9
1.5 本書架構 1-13
1.6 主要參考文獻 1-14
第二章 數學基礎
2.1 信號 2-1
2.2 線性與線性偏移不變系統 2-6
2.3 迴旋積 2-9
2.4 矩陣運算 2-12
2.5 純量值對向量參數的最佳化 2-20
2.6 隨機信號 2-22
第三章 取樣與量化
3.1 取樣 3-2
3.2 量化 3-11
3.3 向量量化 3-22
第四章 轉換法
4.1 正交轉換 4-2
4.2 傅立葉轉換 4-5
4.3 離散餘弦轉換 4-12
4.4 離散正弦轉換 4-19
4.5 Walsh-Hadamard轉換 4-20
4.6 Haar轉換 4-30
4.7 斜轉換 4-32
4.8 KL轉換 4-34
4.9 哈特萊轉換 4-37
4.10 SVD轉換 4-37
4.11 小波轉換 4-40
第五章 影像增強
5.1 點處理增強 5-1
5.2 空間濾波 5-14
5.3 頻域的影像增強法 5-18
5.4 彩色影像增強 5-21
第六章 影像復原
6.1 影像降質系統 6-1
6.2 代數復原方法 6-6
6.3 反濾波法 6-8
6.4 最小平方濾波器 6-9
6.5 限制性最小平方復原 6-12
6.6 盲目影像還原技術 6-19
第七章 影像壓縮
7.1 資料編碼與資料壓縮 7-2
7.2 影像壓縮模型 7-6
7.3 訊息理論基礎 7-7
7.4 無失真壓縮 7-16
7.5 有損耗壓縮 7-26
7.6 影像壓縮標準JPEG 7-27
7.7 動態視訊壓縮 7-39
7.8 以小波轉換壓縮之實例 7-46
第八章 影像分割
8.1 導論 8-2
8.2 影像分割處理 8-3
8.3 分割影像之儲存 8-15
8.4 影像分割前置處理－LUM濾波器 8-17
第九章 示與描述
9.1 表示方法 9-1
9.2 邊界描述子 9-9
9.3 區域描述子 9-12
9.4 形態學 9-23
第十章 圖樣識別
10.1 分類 10-1
10.2 統計決策圖樣識別 10-4
10.3 特徵選取 10-7
10.4 聚類 10-10
10.5 利用類神經網路做圖樣識別 10-17
PART 2 MATLAB實習
第一章 Matlab實驗常用函式簡介
第二章 實驗-數學基礎
L2.1 二維迴旋積 Lab2-1
L2.2 矩陣的直接乘積 Lab2-3
L2.3 馬可夫鏈的轉移機率 Lab2-5
第三章 實驗-量化
L3.1 純量量化器的設計 Lab3-1
L3.2 量化造成的假輪廓 Lab3-4
L3.3 向量量化器之碼簿的產生 Lab3-6
L3.4 向量量化的編解碼 Lab3-12
第四章 實驗-轉換法
L4.1 SVD轉換 Lab4-1
L4.2 影像轉換的能量集中能力 Lab4-4
L4.3 小波轉換 Lab4-6
第五章 實驗-影像增強
L5.1 直方圖等化法 Lab5-1
L5.2 平滑濾波器 Lab5-4
L5.3 同形濾波器 Lab5-7
第六章 實驗-影像復原
L6.1 最小平方濾波器 Lab6-1
L6.2 疊代盲目去迴旋積法 Lab6-5
第七章 實驗-影像壓縮
L7.1 同色長編碼 Lab7-1
L7.2 應用小波轉換與向量量化做影像壓縮 Lab7-4
第八章 實驗-影像分割
L8.1 像素聚積成長法 Lab8-1
L8.2 四分樹區域分割與合併法 Lab8-6
L8.3 Sobel邊緣偵測 Lab8-8
L8.4 拉氏邊界檢測法 Lab8-11
L8.5 LUM濾波器 Lab8-14
第九章 實驗-表示與描述
L9.1 不變矩 Lab9-1
L9.2 細線化 Lab9-5
L9.3 膨脹和侵蝕 Lab9-9
L9.4 斷開與閉合 Lab9-11
第十章 實驗-圖樣識別
L10.1 利用不變矩判定圖形類別 Lab10-1
L10.2 模糊聚類 Lab10-5
L10.3 利用類神經網路做圖樣識別 Lab10-8
L10.4 以倒傳遞網路做模糊分類 Lab10-16
附錄 光碟內容簡介及使用說明
參考文獻
索引
2024專利防護中