圖像處理與應用

第1章 緒論
1.1 研究背景
1.1.1 圖像處理與計算機視覺
1.1.2 圖像處理與計算機視覺的應用
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 圖像降噪算法
1.2.2 圖像中的邊緣檢測
1.2.3 圖像中的直線特征檢測
參考文獻
第2章 圖像濾波基礎.
2.1 引言
2.2 噪聲的種類及數(shù)學模型
2.3 非線性濾波技術
2.3.1 基于排序統(tǒng)計的濾波方法
2.3.2 基于數(shù)學形態(tài)學的濾波方法
2.3.3 基于模糊理論的濾波方法
2.3.4 基于小波分析的濾波方法
2.3.5 其他方法
2.4 濾波性能的評估
2.4.1 客觀評價方法
2.4.2 主觀評價方法
2.5 本章小結
參考文獻
第3章 脈沖噪聲的非線性濾波算法研究
3.1 引言
3.2 脈沖噪聲的模型及特點分析
3.3 中值型脈沖噪聲濾波算法的發(fā)展
3.4 基于兩級檢測的脈沖噪聲濾波算法
3.4.1 關于脈沖噪聲圖像的假設
3.4.2 脈沖噪聲檢測
3.4.3 噪聲濾除
3.4.4 實驗結果及分析
3.5 本章小結
參考文獻
第4章 混合噪聲的濾波算法研究
4.1 引言
4.2 混合噪聲濾波算法
4.3 模糊技術及混合噪聲濾波
4.3.1 模糊理論在圖像處理中的應用
4.3.2 模糊濾波技術
4.4 兩種基于中值一模糊技術的混合噪聲濾除算法
4.4.1 MF-I混合噪聲濾波算法
4.4.2 MF-II混合噪聲濾波算法
4.4.3 實驗結果及分析
4.5 本章小結
參考文獻
第5章 邊緣檢測算法研究
5.1 引言
5.2 邊緣檢測基礎
5.2.1 邊緣檢測的幾個定義
5.2.2 邊緣的分類
5.2.3 邊緣點的梯度
5.2.4 邊緣檢測的基本步驟
5.3 邊緣檢測算法中的參數(shù)選擇
5.3.1 高斯濾波器尺度參數(shù)的選擇
5.3.2 邊緣檢測中的閾值選擇
5.4 基于梯度統(tǒng)計信息的邊緣檢測算法
5.4.1 灰度直方圖與梯度直方圖
5.4.2 算法步驟
5.4.3 算法的調(diào)整
5.4.4 實驗結果及分析
5.5 基于有限元邊緣的融合算法
5.5.1 問題的提出
5.5.2 小波變換圖像邊緣包絡帶
5.5.3 自適應網(wǎng)格規(guī)劃
5.5.4 多尺度邊緣融合準則
5.5.5 實驗結果及分析
5.6 本章小結
參考文獻
第6章 基于H0ugh變換的直線檢測算法研究
6.1 引言
6.2 標準Hough變換
6.2.1 Hough變換原理
6.2.2 Hough變換的實現(xiàn)步驟
6.2.3 標準Hough變換存在的問題
6.3 幾種改進HT的性能分析
6.4 一種基于HT的直線檢測改進算法
6.4.1 幾個假設
6.4.2 算法具體步驟
6.4.3 算法性能分析
6.4.4 實驗結果及分析
6.5 本章小結
參考文獻
第7章 圖像處理應用
7.1 郵件分揀機系統(tǒng)簡介
7.2 分揀機視頻檢測系統(tǒng)硬件設計方案
7.3 動態(tài)圖像檢測算法簡介
7.4 基于動態(tài)圖像處理的郵件檢測算法
7.4.1 預處理
7.4.2 邊界特征提取
7.4.3 自適應多直線匹配方法
7.4.4 郵件的提取
7.4.5 郵件單像素輪廓提取和邊界跟蹤
7.4.6 面積和中心位置的計算
7.4.7 實驗結果及分析
7.5 錯誤隱藏
7.6 H.2 64錯誤隱藏研究進展
7.6.1 錯誤檢測
7.6.2 錯誤隱藏
7.7 基于邊緣分析的錯誤隱藏算法
7.7.1 局部邊緣走向分析
7.7.2 錯誤隱藏算法
7.7.3 實驗結果及分析
7.8 基于殘差恢復的錯誤隱藏算法
7.8.1 算法原理
7.8.2 時域隱藏
7.8.3 殘差恢復算法
7.8.4 實驗結果及分析
7.9 本章小結
參考文獻