基于机器视觉的数字图像处理与识别研究

　　绪论
　　第1章 计算机图形概述
　　1.1 引言
　　1.2 图像分割
　　1.3 图像对象描述概述
　　1.4 图像特征分析
　　第2章 数字图像处理与图像分割.
　　2.1 数字图像处理的基础知识
　　2.2 图像增强
　　2.3 SVM图像分割
　　2.4 基于Renyi熵和高斯混合模型的图像分割
　　2.5 指纹方向滤波
　　2.6 实验结果
　　2.7 结论
　　第3章 图像质量分析
　　3.1  引言
　　3.2 算法概述
　　3.3 全局质量分析
　　3.4 局部质量分析
　　3.5 实验结果
　　3.6 本章小结
　　第4章 图像特征提取
　　4.1 引言
　　4.2 轮廓特征提取
　　4.3 形状识别相关经典理论
　　4.4 图像形状特征
　　4.5 图像统计特征
　　4.6 图像识别中的邻接轮廓线段组特征
　　4.7 基于模板的对象检测中局部形状和边界特征
　　4.8 对象边缘的相对方向特征
　　第5章 图像平滑处理的频域分析法
　　5.1 时域、频域、时频分析与数学分支简介
　　5.2 数字图像处理
　　5.3 指纹图像的频域分析
　　5.4 指纹图像奇异点块检测
　　5.5 仿真结果与分析
　　5.6 结 论
　　第6章 基于支持向量机的图像识别
　　6.1 基于统计学习理论
　　6.2 支持向量机模型
　　6.3 支持向量机的模型参数选择
　　6.4 SVM图像目标识别算法
　　6.5 试验结果与分析
　　6.6 本章小结
　　第7章 运动视频特征图像的识别--基于GMM与SVM的识别算法
　　7.1 基于混合高斯模型的视频目标识别算法
　　7.2 基于改进的GMM与SVM结合的视频目标识别算法
　　7.3 试验结果与分析
　　7.4 本章小结
　　结论
　　第8章 图像识别的应用实例分析
　　8.1 枪弹痕迹识别的技术概况
　　8.2 非制式枪枪痕图像识别
　　8.3 SIFT特征的图像配准
　　8.4 结论与分析
　　8.5 总结与展望
　　参考文献

　　    《基于机器视觉的数字图像处理与识别研究》共分为八章，内容涉及图像采集、图像变换、图像增强、图像编 码、图像识别与跟踪、图像特征提取等技术，结合具体的科研项目开发，介绍了基于混合高斯模型的视频目标识别算法、图像平滑处理的频域分析 法、基于支持向量机的图像识别、基于改进的GMM与SVM结合的视频目标识 别算法等方面的应用。