本书介绍了基于空域和基于频域的图像增强算法，一阶、二阶图像边缘检测算法，提出了三阶差分边缘检测算法；详细描述了基于阈值、区域生长、形态学分水岭的图像分割算法结构，给出了算法实现代码；详细描述了基于小波系数处理的图像去噪算法，基于小波系数处理的图像锐化、钝化算法；提出了基于小波变换的图像增强算法，设计了算法结构，给出了算法实现代码及算法处理效果图。详细描述了PCA人脸识别算法，提出了基于稀疏差分和Mean-Shift滤波的Retinex人脸识别算法。依据分数阶微分数学理论，推导了用于图像增强及边缘检测的分数阶微分模板；依据分数阶积分数学理论，推导出了用于图像去噪的分数阶积分模板。提出了基于图像复杂度的自适应分数阶微分图像增强及边缘检测算法。提出了基于小波变换的分数阶微分图像增强算法。
样章试读
目录
- 目录
前言
第1章 绪论1
1.1课题研究背景及意义1
1.2数字图像处理算法研究现状2
1.2.1数字图像增强算法研究现状2
1.2.2数字图像边缘检测算法研究现状2
1.2.3数字图像分割算法研究现状3
1.2.4小波变换在图像处理中应用的研究现状4
1.2.5人脸识别算法研究现状4
1.2.6分数阶微积分算法研究现状5
1.3创新点6
第2章 数字图像增强算法8
2.1 空域图像增强算法8
2.1.1直接灰度变换算法8
2.1.2直方图增强10
2.1.3空域滤波增强15
2.2频域滤波增强算法23
2.2.1低通滤波器23
2.22高通滤波器28
2.2.3 同态滤波器29
2.3 图像增强算法比较31
第3章 数字图像边缘检测算法32
3.1经典的边缘检测算法32
3.1.1 阶微分的边缘检测算法32
3.1.2基于二盼微分的边缘检测方法37
3.2边缘检测改进算法——三阶差分边缘检测算法42
3.2.1三阶差分滤波器模板系数的推导~42
3.2.2三阶差分滤波器模板的构造44
3.2.3三阶差分的图像边缘检测运算45
3.2.4算法验证及分析45
3.3边缘检测算法比较46
第4章 数字图像分割算法48
4.1基于区域的分割算法49
4.1.1 区域生长法49
4.1.2区域分裂与合并法52
4.2 阈值分割算法55
4.2.1 直方图双峰法56
4.2.2最大类间方差法58
4.2.3迭代法59
4.3基于形态学分水岭的分割算法61
4.3.1 算法原理61
4.3.2分水岭分割仿真实现63
4.4其他分割算法概述70
4.4.1边缘检测图像分割70
4.4.2基于模型的图像分割71
4.4.3基于人工智能的图像分割71
4.5算法总结72
第5章基于小波理论的图像处理算法73
5.1小波变换73
5.1.1小波函数73
5.1.2维小波变换73
5.1.3二位小波函数74
5.1.4小波变换的多分辨率分析75
5.1.5 Mallat算法76
5.2基于小波变换的图像处理78
5.2.1 图像的小波分解及重构78
5.2.2基于小波变换的图像非线性增强80
5.2.3基于小波变换的图像钝化81
5.2.4基于小彼变换的图像锐化82
5.2.5基于小波变换的图像去噪84
5.2.6基于小波单支重构的图像增强87
第6章人脸识别算法95
6.1 PCA人脸识别算法95
6.1.1 PCA的理论基础95
6.1.2 PCA人脸识别算法步骤97
6.1.3 PCA算法实现100
6.1.4 PCA方法的优点105
6.2基于稀疏差分和Mean-Shift滤波的Retinex算法在人脸识别中的应用105
6.2.1 人脸图像的稀疏表示105
6.2.2人脸光照的算法改进106
6.2.3 算法仿真108
6.3 算法总结110
第7章 分数阶微分图像增强算法112
7.1 Grumwald-Ietnikow分数阶微分定义112
7.1.1 Gmmwald-Ietnikow数学表达式112
7.1.2分数阶微分滤波器的构造114
7.1.3分数阶微分的图像增强运算115
7.1.4算法仿真115
7.2基于图像复杂度的自适应分数阶微分算法119
7.2.1算法理论依据119
7.2.2 自适应分数阶微分算法120
7.2.3 仿真实验121
7.2.4算法总结124
第8章 基于小波变换的Grumwald-Ietnikow分数阶微分算法125
8.1小波的分解及重构125
8.1.1二进正交变换(mallat算法)125
8.1.2 图像重构125
8.2 基于Griimwald-Ietnikow的分数阶微分算法126
8.2.1数学理论126
8.2.2数字图像的分数阶微分前向差分近似表达式及模板127
8.2.3分数阶微分模板改进128
8.2.4基于小波变换的Grumwald-Ietnikow分数阶微分算法设计129
8.3 基于小波变换的Grumwald-Ietnikow分数阶微分算法仿真130
8.3.1不同分阶数下图像增强效果130
8.3.2本文算法与分数阶微分算法增强图像比较133
8.3.3 算法总结134
第9章 分数阶积分图像去噪算法135
9.1 分数阶积分定义及频率特性135
9.1.1 分数阶微积分Gnimwald-Ietnikow定义135
9.1.2分数阶积分频率特性135
9.2分数阶积分模板构造136
9.2.1 图像分数阶积分处理的数学表达式136
9.2.2模板系数的提取及模板构造137
9.2.3 分数阶积分去噪算法规则139
9.3 分数阶积分算法去噪效果139
9.3.1 高斯噪声下的算法去噪效果139
9.3.2乘性噪声下的算法去噪效果142
9.3.3高斯噪声下分数阶积分算法与滤没去噪方法效果对比144
9.3.4乘性噪声下分数阶积分算法与滤波去噪方法效果对比145
9.3.5 算法总结147
第10章车牌识别算法148
10.1 车牌识别系统的设计148
10.1.1设计原理148
10.1.2各模块的实现149
10.2车牌识别算法验证157
10.2.1算法程序157
10.2.2算法验证结果163
10.2.3 算法验证结果分析168
10.3算法总结169
参考文献170
京公网安备 11010102004214号