高等院校教师

序
前言
第1章绪论1
1.1图像处理概述1
1.2智能图像处理概述3
1.3智能图像处理应用6
本章小结7
第2章图像变换8
2.1图像变换概述8
2.2基本算术运算8
2.2.1加法运算8
2.2.2减法运算9
2.2.3乘法运算9
2.2.4除法运算10
2.3基本几何运算10
2.3.1平移变换10
2.3.2旋转变换11
2.3.3缩放变换12
2.3.4仿射变换13
2.4离散傅里叶变换14
2.4.1一维离散傅里叶变换14
2.4.2二维离散傅里叶变换14
2.5离散余弦变换15
2.5.1一维离散余弦变换16
2.5.2二维离散余弦变换16
2.6离散小波变换17
2.6.1一维离散小波变换17
2.6.2二维离散小波变换18
2.7稀疏表示20
2.8基于深度学习的图像变换21
本章小结24
习题24
第3章图像增强26
3.1图像增强概述26
3.2图像平滑滤波27
3.2.1均值滤波27
3.2.2中值滤波29
3.2.3高斯模糊30
3.3图像锐化滤波31
3.3.1梯度法31
3.3.2拉普拉斯算子32
3.3.3频域滤波33
3.4直方图均衡化34
3.5伪彩色图像增强36
3.5.1密度分割法36
3.5.2灰度变换法37
3.5.3频域伪彩色增强38
3.6基于Retinex的图像增强40
3.7基于深度学习的图像增强41
3.7.1基于卷积神经网络的图像增强42
3.7.2基于弱监督学习的图像增强44
3.7.3基于无监督学习的图像增强45
3.7.4常用损失函数47
本章小结47
习题47
第4章图像复原49
4.1图像复原概述49
4.2噪声模型51
4.2.1噪声的空间和频率特性52
4.2.2常见噪声的概率密度函数52
4.2.3周期噪声56
4.3基于滤波器的噪声滤除57
4.3.1均值滤波器57
4.3.2统计排序滤波器60
4.3.3自适应滤波器64
4.4基于频率分析的周期噪声滤除69
4.4.1带阻滤波器69
4.4.2带通滤波器71
4.5无约束图像复原71
4.5.1逆滤波72
4.5.2无约束最小二乘求解方法73
4.6有约束图像复原73
4.6.1基于稀疏表示的图像复原74
4.6.2基于低秩约束的图像复原75
4.7基于深度学习的图像复原76
4.7.1基于深度学习的图像去噪77
4.7.2基于深度学习的图像超分辨率复原79
4.7.3基于深度学习的图像去模糊79
4.7.4基于深度学习的图像修复81
本章小结82
习题82
第5章图像融合84
5.1图像融合概述84
5.2多源图像配准85
5.2.1基本概念85
5.2.2特征点匹配85
5.2.3仿射变换85
5.3空间域图像融合87
5.4变换域图像融合88
5.5基于稀疏表示的图像融合89
5.6基于深度学习的图像融合90
5.6.1基于卷积神经网络的图像融合91
5.6.2基于自监督学习的图像融合91
5.6.3基于无监督学习的图像融合92
本章小结93
习题93
第6章图像压缩95
6.1图像压缩概述95
6.1.1图像中的信息冗余96
6.1.2图像压缩分类96
6.1.3图像编码评价97
6.2统计编码100
6.2.1霍夫曼编码100
6.2.2费诺-香农编码102
6.2.3算术编码102
6.2.4行程编码103
6.3预测编码104
6.3.1线性预测编码105
6.3.2非线性预测编码105
6.4矢量量化106
6.4.1矢量量化的基本思想106
6.4.2矢量量化器的设计107
6.5变换域压缩107
6.5.1变换域压缩的基本思想107
6.5.2变换域编码的原理108
6.6基于深度学习的图像压缩109
6.6.1基于卷积神经网络的图像压缩109
6.6.2基于循环神经网络的图像压缩110
6.6.3基于生成对抗网络的图像压缩111
本章小结112
习题112
第7章图像分割113
7.1图像分割概述113
7.2边缘检测114
7.2.1边缘检测算子114
7.2.2边缘跟踪122
7.3图像阈值分割126
7.3.1直方图阈值分割法127
7.3.2最大类间方差阈值分割法129
7.4基于区域的分割131
7.4.1区域增长法131
7.4.2分裂合并法133
7.5基于深度学习的图像分割136
7.5.1基于全卷积网络的图像分割137
7.5.2基于多尺度特征聚合的图像分割139
7.5.3基于区域卷积神经网络的图像分割139
7.5.4基于注意力机制的图像分割141
本章小结142
习题142
第8章图像识别144
8.1图像识别概述144
8.2图像特征提取145
8.2.1颜色特征145
8.2.2纹理特征147
8.2.3形状特征149
8.2.4空间关系特征150
8.3传统图像识别方法150
8.4基于深度学习的图像识别151
8.4.1粗粒度图像识别152
8.4.2细粒度图像识别157
本章小结158
习题158
第9章智能遥感领域应用实例160
9.1渤海湾海洋溢油检测160
9.1.1耀斑去除与噪声估计161
9.1.2溢油区域探测163
9.2DOTA数据集目标检测179
9.2.1数据预处理180
9.2.2方法设计180
本章小结182
习题182
第10章智慧医疗领域应用实例183
10.1视网膜光学相干断层扫描图像智能处理技术183
10.1.1视网膜光学相干断层扫描图像的去噪184
10.1.2视网膜光学相干断层扫描图像的压缩重建188
10.1.3视网膜光学相干断层扫描图像的病灶定位与诊断189
10.2脑高光谱图像智能处理技术212
10.2.1图像预处理213
10.2.2诊断方法214
本章小结215
习题216
第11章多源图像智能融合领域应用实例217
11.1红外图像与可见光图像融合217
11.1.1图像预处理217
11.1.2图像融合218
11.2视网膜光学相干断层扫描图像与眼底图像融合230
11.3多源遥感图像融合252
11.3.1图像预处理253
11.3.2地物分类253
11.4多源大模型遥感图像解译254
11.4.1多源遥感大模型255
11.4.2基于大模型的多源遥感图像解译256
本章小结257
习题258
附录相关术语259
参考文献261