第1章緒論 1．1圖像和圖像工程 1．1．1圖像基礎(chǔ) 1．1．2圖像工程 1．2圖像分析概論 1．2．1圖像分析的定義和研究
內(nèi)容 1．2．2圖像分析系統(tǒng) 1．3圖像分析中的數(shù)字化 1．3．1離散距離 1．3．2連通組元 1．3．3數(shù)字化模型 1．3．4數(shù)字弧和數(shù)字弦 1．4距離變換 1．4．1定義和性質(zhì) 1．4．2局部距離的計算 1．4．3距離變換的實現(xiàn) 1．5內(nèi)容框架和特點 總結(jié)和復(fù)習(xí)* 隨堂測試* 第1單元圖 像 分 割 第2章圖像分割基礎(chǔ) 2．1圖像分割定義和技術(shù)分類 2．2并行邊界技術(shù) 2．2．1邊緣及檢測原理 2．2．2正交梯度算子 2．2．3方向微分算子 2．2．4二階導(dǎo)數(shù)算子 2．2．5邊界閉合 2．3串行邊界技術(shù) 2．3．1主動輪廓模型 2．3．2能量函數(shù) 2．4并行區(qū)域技術(shù) 2．4．1原理和分類 2．4．2依賴像素的閾值
選取 2．4．3依賴區(qū)域的閾值
選取 2．4．4依賴坐標的閾值
選取 2．4．5空間聚類 2．5串行區(qū)域技術(shù) 2．5．1區(qū)域生長 2．5．2分裂合并 2．6基于深度學(xué)習(xí)的分割方法
分類 2．7全景分割 2．7．1全景分割流程 2．7．2語義分割 2．7．3實例分割 總結(jié)和復(fù)習(xí)* 隨堂測試* 第3章典型分割算法 3．1興趣點檢測 3．1．1二階導(dǎo)數(shù)檢測角點 3．1．2*小核同值區(qū)算子 3．1．3哈里斯興趣點算子 3．2圖割方法 3．3特色的閾值化和聚類技術(shù) 3．3．1多分辨率閾值選取 3．3．2借助過渡區(qū)選擇
閾值 3．3．3借助均移方法確定
聚類 3．4分水嶺分割算法 3．4．1基本原理和步驟 3．4．2算法改進和擴展 總結(jié)和復(fù)習(xí)* 隨堂測試* 第4章分割技術(shù)擴展 4．1從像素單元到目標單元 4．1．1像素和目標之間的
單元 4．1．2橢圓目標檢測 4．2從哈夫變換到完整廣義哈夫
變換 4．2．1哈夫變換 4．2．2廣義哈夫變換原理 4．2．3完整廣義哈夫變換 4．3從像素精度到亞像素精度 4．3．1基于矩保持的技術(shù) 4．3．2利用一階微分期望值
的技術(shù) 4．3．3借助切線信息的
技術(shù) 4．4從2D圖像到3D圖像 4．4．13D邊緣檢測 4．4．23D圖像閾值化 4．5從灰度圖像到彩色圖像 4．5．1分割不同定義的
區(qū)域 4．5．2彩色圖像分割
策略 4．6面向醫(yī)學(xué)圖像的分割 4．6．1醫(yī)學(xué)圖像分割算法
概述 4．6．2交互式水平集胸主動脈
圖像分割 4．6．3用于醫(yī)學(xué)圖像分割的
UNet網(wǎng)絡(luò) 4．6．4醫(yī)學(xué)圖像標記數(shù)據(jù)的
解決方案 總結(jié)和復(fù)習(xí)* 隨堂測試* 第5章分割評價比較 5．1分割評價研究分類 5．2分割算法評價框架 5．3分割評價的準則 5．3．1分析法準則 5．3．2優(yōu)度試驗法準則 5．3．3差異試驗法準則 5．4分割算法評價實例 5．4．1實驗算法和圖像 5．4．2實驗結(jié)果和討論 5．5評價方法和準則比較 5．5．1方法討論和對比 5．5．2準則的分析比較 5．5．3準則的實驗比較 5．6分割評價的進展 5．6．1分割算法的評估 5．6．2像素分類的評價
準則 5．6．3全景分割的評價 5．7基于評價的算法優(yōu)選系統(tǒng) 5．7．1算法優(yōu)選思想和
策略 5．7．2優(yōu)選系統(tǒng)的實現(xiàn)和
效果 總結(jié)和復(fù)習(xí)* 隨堂測試* 第2單元表 達 描 述 第6章目標表達 6．1基于邊界的表達 6．1．1技術(shù)分類 6．1．2鏈碼 6．1．3邊界段 6．1．4邊界標志 6．1．5多邊形逼近 6．1．6地標點 6．2基于區(qū)域的表達 6．2．1技術(shù)分類 6．2．2空間占有數(shù)組 6．2．3四叉樹 6．2．4金字塔 6．2．5圍繞區(qū)域 6．2．6骨架 6．3基于變換的表達 6．3．1技術(shù)分類 6．3．2傅里葉變換表達 總結(jié)和復(fù)習(xí)* 隨堂測試* 第7章目標描述 7．1基于邊界的描述 7．1．1簡單邊界描述符 7．1．2形狀數(shù) 7．1．3邊界矩 7．2基于區(qū)域的描述 7．2．1簡單區(qū)域描述符 7．2．2拓撲描述符 7．2．3區(qū)域不變矩 7．3對目標關(guān)系的描述 7．3．1目標標記和計數(shù) 7．3．2點目標的分布 7．3．3字符串描述 7．3．4樹結(jié)構(gòu)描述 7．3．5空間關(guān)系數(shù)據(jù)集 總結(jié)和復(fù)習(xí)* 隨堂測試* 第8章目標顯著性 8．1顯著性概述 8．2顯著性檢測 8．2．1方法分類 8．2．2檢測流程 8．3顯著區(qū)域分割提取 8．3．1基于對比度幅值 8．3．2基于對比度分布 8．3．3基于*小方向?qū)?br />比度 8．3．4顯著目標分割和
評價 8．4基于背景先驗提取顯著性
區(qū)域 8．4．1相似距離 8．4．2*小柵欄距離的近似
計算 8．4．3流水驅(qū)動的顯著性區(qū)
域檢測 8．4．4定位目標建議區(qū)域 8．5基于*穩(wěn)定區(qū)域提取顯著性
區(qū)域 8．6結(jié)合各種特征的顯著性
檢測 8．6．1低秩背景約束和多線索
傳播 8．6．2邊界連通性和局部對
比度 8．7特定類型圖像的顯著性
檢測 8．7．1RGBD視頻 8．7．2光場圖像 總結(jié)和復(fù)習(xí)* 隨堂測試* 第9章測量和誤差分析 9．1直接測度和間接測度 9．2需區(qū)別的術(shù)語 9．2．1準確性和精確性 9．2．2模型假設(shè)和實際
觀察 9．2．34連通和8連通 9．3影響測量誤差的因素 9．3．1誤差來源 9．3．2光學(xué)鏡頭分辨率 9．3．3采樣密度 9．3．4分割算法 9．3．5特征計算公式 9．3．6綜合影響 9．3．7隨機樣本共識 9．4誤差分析 總結(jié)和復(fù)習(xí)* 隨堂測試* 第3單元特 性 分 析 第10章紋理分析 10．1紋理研究概況 10．2紋理描述的統(tǒng)計方法 10．2．1灰度共生矩陣 10．2．2基于灰度共生矩陣的
紋理描述符 10．2．3基于能量的紋理描
述符 10．3紋理描述的結(jié)構(gòu)方法 10．3．1結(jié)構(gòu)描述法
基礎(chǔ) 10．3．2紋理鑲嵌 10．3．3局部二值模式 10．3．4完全局部二值
模式 10．4紋理描述的頻譜方法 10．4．1傅里葉頻譜 10．4．2蓋伯頻譜 10．5一種紋理分類合成方法 10．6紋理分割 10．6．1有監(jiān)督紋理
分割 10．6．2無監(jiān)督紋理
分割 總結(jié)和復(fù)習(xí)* 隨堂測試* 第11章形狀分析 11．1形狀定義和研究 11．2平面形狀分類 11．3形狀描述方法分類 11．4基于形狀特性的描述 11．4．1形狀緊湊性
描述 11．4．2形狀復(fù)雜性
描述 11．5基于特定技術(shù)的描述 11．5．1基于多邊形的描
述符 11．5．2基于離散曲率的
描述符 11．6拓撲結(jié)構(gòu)的描述 11．7分形維數(shù) 總結(jié)和復(fù)習(xí)* 隨堂測試* 第12章運動分析 12．1運動研究內(nèi)容 12．2運動目標檢測 12．2．1背景建模 12．2．2光流場 12．2．3特定運動模式的
檢測 12．3運動目標分割 12．3．1目標分割和運動
信息提取 12．3．2分割方法分類 12．3．3稠密光流算法 12．3．4基于參數(shù)和模型的
分割 12．3．5融合多尺度上下文與
時間信息 12．3．6結(jié)合ROI預(yù)測和參考
幀更新 12．4運動目標跟蹤 12．4．1典型技術(shù) 12．4．2尺度非各向同性的
均移 12．4．3均移結(jié)合粒子濾
波器 12．4．4子序列決策
策略 12．5移動陰影檢測 12．5．1算法流程圖 12．5．2前景檢測 12．5．3特征模板提取 12．5．4顏色模板的
判斷 12．5．5提取目標像素并
抑制陰影 12．5．6獲取完整目標
區(qū)域 12．6基于孿生網(wǎng)絡(luò)的目標
跟蹤 12．6．1引導(dǎo)錨定區(qū)域推薦
網(wǎng)絡(luò) 12．6．2無錨框全卷積孿生跟
蹤器 總結(jié)和復(fù)習(xí)* 隨堂測試* 第13章屬性分析 13．1屬性描述概況 13．1．1屬性的類型 13．1．2屬性的層次 13．1．3屬性學(xué)習(xí)結(jié)構(gòu)和
框架 13．2屬性學(xué)習(xí)中的特征比較 13．3視覺屬性和零樣本學(xué)習(xí) 13．3．1基于屬性的零樣本
學(xué)習(xí) 13．3．2零樣本語義自編
碼器 13．3．3零樣本屬性
識別 13．4基于屬性的行人再識別 13．4．1借助行人屬性先驗分
布的方法 13．4．2借助對行人屬性分級
的方法 13．4．3結(jié)合全身和部件屬性
的方法 13．4．4跨模態(tài)異構(gòu)行人再
識別 13．5圖像屬性應(yīng)用示例 13．5．1跨類目標分類 13．5．2屬性學(xué)習(xí)和目標
識別 13．5．3基于局部動作屬性
的動作分類 總結(jié)和復(fù)習(xí)* 隨堂測試* 第4單元數(shù) 學(xué) 工 具 第14章二值數(shù)學(xué)形態(tài)學(xué) 14．1基本集合定義 14．2二值形態(tài)學(xué)基本運算 14．2．1二值膨脹和
腐蝕 14．2．2二值開啟和
閉合 14．2．3二值基本運算
性質(zhì) 14．3二值形態(tài)學(xué)組合運算 14．3．1擊中擊不中
變換 14．3．2二值組合運算 14．4二值形態(tài)學(xué)實用算法 14．5形態(tài)學(xué)算子及其應(yīng)用
領(lǐng)域 總結(jié)和復(fù)習(xí)* 隨堂測試* 第15章灰度數(shù)學(xué)形態(tài)學(xué) 15．1灰度圖像的排序 15．2灰度形態(tài)學(xué)基本運算 15．2．1灰度膨脹和
腐蝕 15．2．2灰度開啟和
閉合 15．2．3灰度基本運算
性質(zhì) 15．3灰度形態(tài)學(xué)組合運算 15．3．1形態(tài)濾波 15．3．2高帽變換和低帽
變換 15．4灰度形態(tài)學(xué)實用算法 15．4．1背景估計和
消除 15．4．2目標分割 15．5結(jié)構(gòu)元素中的屬性修改 15．5．1純像素指標 15．5．2形態(tài)偏心指標 15．5．3自動形態(tài)學(xué)端元
提取 15．5．4將PPI嵌入
AMEE 15．6圖像代數(shù) 總結(jié)和復(fù)習(xí)* 隨堂測試* 第16章圖像識別 16．1模式和分類 16．2不變量交叉比 16．2．1交叉比 16．2．2非共線點的不
變量 16．2．3對稱的交叉比
函數(shù) 16．2．4交叉比應(yīng)用示例 16．3統(tǒng)計模式識別 16．3．1*小距離分
類器 16．3．2*優(yōu)統(tǒng)計分
類器 16．3．3自適應(yīng)自舉 16．4感知機和支持向量機 16．4．1感知機 16．4．2支持向量機 16．5結(jié)構(gòu)模式識別 16．5．1字符串結(jié)構(gòu)
識別 16．5．2樹結(jié)構(gòu)識別 總結(jié)和復(fù)習(xí)* 隨堂測試* 附錄A人臉和表情識別 A．1生物特征識別 A．2人臉檢測定位 A．2．1基本方法 A．2．2基于豪斯道夫距離
的方法 A．3人臉活體檢測 A．3．1人臉欺騙 A．3．2交互式和非交互式
方法 A．3．3人臉反欺騙技術(shù)
分類 A．4眼睛檢測和跟蹤 A．4．1眼睛幾何模型及
確定 A．4．2眨眼過程中的眼睛
輪廓跟蹤 A．5人臉識別 A．5．1邊緣本征矢量加權(quán)
方法 A．5．2相關(guān)濾波器
設(shè)計 A．5．3監(jiān)督線性降維 A．5．4非特定表情人臉
識別 A．5．5遮擋人臉識別 A．6表情識別 A．6．1表情識別和
步驟 A．6．2人臉表情特征
提取 A．6．3基于蓋伯變換的
特征提取 A．6．4表情特征的稀疏
表達 A．6．5表情分類 A．6．6基于高階奇異值分解
的分類 A．6．7矢量輸入多類輸出表
情分類 A．6．8微表情識別
主題索引 部分思考題和練習(xí)題解答* 參考文獻*