图形图像处理系列教材：计算机图像处理与识别技术

　　第一章 数字图像处理综述
　　1.1 概论
　　1.2 数字图像处理系统
　　1.2.1 计算机图像处理系统的发展
　　1.2.2 微机图像处理系统的基本构成
　　1.3 数字图像的形成
　　1.3.1 抽样
　　1.3.2 量化
　　1.4 数字图像的数学描述
　　1.4.1 数字图像的矩阵表示
　　1.4.2 二维数组和图像的关系
　　1.4.3 对二维数组处理的基本程序框架
　　1.5 数字图像的数据结构
　　1.5.1 二维数组
　　1.5.2 一维数组
　　1.5.3 分层结构
　　1.5.4 树状结构
　　1.5.5 多波段图像的数据结构
　　1.5.6 其他形式的数据存储格式
　　1.6 数字图像处理的基本方法
　　1.6.1 基本处理过程
　　1.6.2 基本运算形式
　　1.7 数字图像处理与识别及图像理解所研究的内容
　　1.7.1 图像处理技术
　　1.7.2 图像识别技术
　　1.7.3 图像理解
　　1.8 图像处理与图像识别及图像理解的关系
　　1.8.1 图像处理
　　1.8.2 什么是图像理解
　　1.8.3 图像识别与图像处理及图像理解的关系
　　1.9 计算机视觉（机器视觉）
　　1.9.1 计算机视觉研究的内容
　　1.9.2 计算机视觉与人类视觉的差异
　　1.9.3 计算机视觉的硬件
　　1.9.4 与计算机视觉相关的领域
　　1.9.5 计算机视觉发展的现状
　　1.9.6 计算机视觉的应用
　　第二章 MATLAB语言基础
　　2.1 MATLAB简介
　　2.2 MATLAB基本操作
　　2.3 MATLAB编程基础
　　2.3.1 变量
　　2.3.2 数据类型
　　2.3.3 特殊定义值
　　2.3.4 基本赋值语句
　　2.3.5 工作空间的管理
　　2.4 MATLAB运算符
　　2.4.1 算术运算符
　　2.4.2 关系运算符
　　2.4.3 逻辑运算符
　　2.5 MATLAB控制语句
　　2.5.1 循环控制语句
　　2.5.2 条件转移语句
　　2.5.3 开关控制语句
　　2.6 MATLAB联机帮助系统
　　2.6.1 帮助命令（help）
　　2.6.2 帮助窗口（helpwindow）
　　2.6.3 帮助桌面（helpdesk）
　　2.6.4 关键字查询（lookfor）
　　2.6.5 Mathworks公司网站
　　第三章 图像预处理
　　3.1 图像变换
　　3.1.1 傅里叶变换
　　3.1.2 离散余弦变换
　　3.1.3 哈达码变换
　　3.1.4 沃尔什变换
　　3.1.5 离散卡一洛变换
　　3.2 灰度变换
　　3.2.1 灰度线性变换
　　3.2.2 灰度非线性变换
　　3.3 直方图变换
　　3.3.1 灰度直方图
　　3.3.2 直方图修正基础
　　3.3.3 直方图均衡化
　　3.3.4 直方图规定化
　　3.4 空间域图像平滑
　　3.4.1 邻域平均法
　　3.4.2 选择平均法
　　3.4.3 中值滤波
　　3.4.4 空间域低通滤波
　　3.5 空间域图像锐化
　　3.5.1 梯度法
　　3.5.2 空域高通滤波法
　　3.5.3 掩摸匹配法
　　3.6 频域图像平滑和锐化
　　3.6.1 频域低通滤波法
　　3.6.2 频域高通频滤波
　　3.7 伪彩色和假彩色处理
　　3.7.1 伪彩色处理
　　3.7.2 假彩色处理
　　第四章 图像分割
　　4.1 边缘检测
　　4.1.1 边缘算子法
　　4.1.2 模板匹配法
　　4.1.3 曲面拟合法
　　4.2 灰度阈值分割
　　4.2.1 双峰法
　　4.2.2 p参数法
　　4.2.3 最大方差自动取阈法
　　4.3 区域生长
　　4.3.1 灰度差判别准则
　　4.3.2 灰度分布相似性判别准则
　　第五章 图像恢复与校正
　　5.1 图像恢复的基本概念
　　5.2 图像退化的模型
　　5.3 图像复原的代数方法
　　5.3.1 基本方程
　　5.3.2 分块循环矩阵的对角化
　　5.3.3 反向滤波器
　　5.3.4 最小二乘方滤波器
　　5.4 最小二乘方恢复
　　5.4.1 约束的最小二乘方复原
　　5.4.2 最大熵滤波器
　　5.5 图像几何畸变校正
　　5.6 图像的几何变换
　　5.6.1 图像几何变换原理
　　5.6.2 坐标变换
　　5.6.3 灰度插值
　　第六章 图像特征提取
　　6.1 纹理特征提取
　　6.1.1 直方图统计特征
　　6.1.2 图像的自相关函数
　　6.1.3 灰度分布统计特征
　　6.1.4 傅里叶特征
　　6.2 形状特征提取
　　6.2.1 区域内部的形状特征
　　6.2.2 区域边界的形状特征
　　6.3 颜色特征提取
　　6.3.1 彩色视觉系统
　　6.3.2 计算机彩色图像
　　6.3.3 颜色表示系统
　　6.3.4 颜色系统之间的转换
　　6.3.5 颜色的区分与对比
　　第七章 图像识别
　　7.1 图像识别概述
　　7.2 判别函数和判别规则
　　7.2.1 线性判别函数
　　7.2.2 最小距离判别函数
　　7.2.3 最近邻域判别函数
　　7.2.4 非线性判别函数
　　7.3 特征的提取和选择
　　7.4 统计模式识别方法
　　7.4.1 基本概念
　　7.4.2 贝叶斯分类器
　　7.4.3 基于贝叶斯分类器的遥感图像分类
　　7.5 模糊集理论识别方法
　　7.5.1 引言
　　7.5.2 模糊集理论概述
　　7.5.3 最大隶属原则识别方法
　　7.5.4 择近原则识别方法
　　7.5.5 模糊聚类识别方法
　　7.5.6 基于最大录属原则的机械零件识别
　　7.5.7 基于模糊聚类的汽车类型识别
　　……
　　第八章 图像数据压缩编码
　　第九章 应用实例

　　    《计算机图像处理与识别技术》系统地介绍了计算机图像处理与识别的基本概念、基本理论与方法、技术和应用实例。《计算机图像处理与识别技术》共分九章，内容包括计算机图像处理与识别技术综述、MATLAB编程语言、图像预处理、图像分割、图像恢复与校正、图像特征提取、图像识别、图像数据压缩编码以及图像工程技术在工业自动检测、智能机器人视觉检测、智能交通监控与管理、卫星遥感图像识别等方面的应用实例，并附有MATLAB图像处理函数库和图像工程技术领域专业词汇的汉英对照。
　　    《计算机图像处理与识别技术》取材新颖，论述深入浅出，图例程序丰富，注重理论与实践相结合，力求使读者尽快掌握和应用这门高新技术。《计算机图像处理与识别技术》可作为计算机应用、自动化、图像处理与模式识别、通信与电子系统、信号与信息处理、机电一体化等专业高年级本科生的教材和参考书，也可供从事图像处理与识别技术的研究人员和工程技术人员作参考书。