数字图像预处理技术研究

目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 数字图像与数字图像预处理概述 3
1.2.1 数字图像的概念 3
1.2.2 数字图像处理的概念及特点 4
1.2.3 数字图像预处理研究范畴与方法 8
1.3 国内外研究现状 37
1.3.1 图像去噪技术 38
1.3.2 图像增强技术 40
1.3.3 图像融合技术 41
1.3.4 图像复原技术 42
1.4 数字图像预处理技术应用领域 44
1.4.1 航天和航空方面 44
1.4.2 生物医学工程方面 45
1.4.3 工业和工程方面 45
1.4.4 军事公安方面 45
1.4.5 文化艺术方面 45
1.4.6 机器视觉 45
1.4.7 视频和多媒体系统 46
1.4.8 电子商务 46
1.5 本书的课题来源及组织结构 46
1.5.1 本书的课题来源 46
1.5.2 本书主要内容 46
1.6 本章小结 48
第2章 基于小波域旋转奇异值分解的图像去噪算法 49
2.1 概述 49
2.2 小波变换和奇异值分解的方向特性 50
2.2.1 小波变换及其方向特性 50
2.2.2 奇异值分解及其方向特性 52
2.3 基于小波域旋转奇异值分解与边缘保留的图像去噪算法 60
2.3.1 高频子图奇异值分解滤波 60
2.3.2 去噪重构奇异值个数的确定 61
2.3.3 高频子图像多方向边缘提取 62
2.3.4 算法流程 62
2.3.5 实验仿真 63
2.4 本章小结 70
第3章 基于小波域奇异值差值的图像去噪算法 72
3.1 概述 72
3.2 基于小波域奇异值差值建模的图像去噪算法 73
3.2.1 奇异值差值特点 73
3.2.2 算法流程 76
3.2.3 奇异值差值建模 77
3.2.4 确定去噪奇异值 81
3.2.5 实验仿真 81
3.3 本章小结 93
第4章 基于分块旋转奇异值分解的图像去噪算法 95
4.1 概述 95
4.2 图像分块旋转SVD去噪 96
4.3 基于自适应分块旋转的奇异值分解图像去噪算法 96
4.3.1 自适应分块SVD 96
4.3.2 去噪重构奇异值个数的确定 98
4.3.3 算法流程 101
4.3.4 实验仿真 101
4.4 本章小结 105
第5章 基于人工鱼群与粒子群优化的图像增强算法 106
5.1 概述 106
5.2 图像非线性增强 107
5.3 人工鱼群算法及粒子群优化算法 108
5.3.1 人工鱼群算法 108
5.3.2 粒子群优化算法 113
5.4 基于人工鱼群与粒子群优化混合的图像自适应增强算法 116
5.4.1 人工鱼群及粒子群优化算法各自的缺陷 116
5.4.2 人工鱼群与粒子群优化混合增强算法 117
5.4.3 实验仿真 118
5.5 本章小结 120
第6章 基于突变粒子群优化的图像增强算法 121
6.1 概述 121
6.2 基于突变粒子群优化算法的图像自适应增强算法 121
6.2.1 基本粒子群优化算法 121
6.2.2 突变粒子群优化算法 123
6.2.3 算法流程 124
6.2.4 实验仿真 125
6.3 本章小结 126
第7章 基于小波变换方向区域特征的图像融合算法 127
7.1 概述 127
7.2 小波变换图像融合缺陷 128
7.2.1 普通的低频空间频率融合缺陷 128
7.2.2 单一的高频能量或梯度融合缺陷 130
7.3 基于小波变换方向区域能量与梯度的图像融合算法 132
7.3.1 低频融合规则 133
7.3.2 高频融合规则 133
7.3.3 实验仿真 135
7.4 本章小结 139
第8章 基于刃边函数和维纳滤波的模糊图像复原算法 140
8.1 概述 140
8.2 点扩散函数估计 140
8.3 基于刃边函数和最优窗维纳滤波的运动模糊图像复原算法 147
8.3.1 最优窗维纳滤波 147
8.3.2 点扩散函数的确定 149
8.3.3 算法流程 151
8.3.4 实验仿真 152
8.4 本章小结 155
第9章 基于分块奇异值的图像复原去噪算法 156
9.1 概述 156
9.2 基于奇异值分解的点扩散函数估计 157
9.3 基于分块奇异值导数的图像复原去噪算法 159
9.3.1 奇异值重构阶数选取 160
9.3.2 实验仿真 160
9.4 本章小结 163
第10章 总结与展望 165
10.1 本书总结 165
10.2 研究展望 166
参考文献 168