数字图像理解与智能技术 基于MATLAB和VC++实现
作者：孙明 主编
出版时间：2015年版
内容简介
本书主要介绍图像理解的基本原理和主要应用技术，共11章。第1章为图像理解基础，以后各章分别讨论了小波变换、图像融合、图像识别、神经网络、遗传算法、图像水印、视频处理、光谱成像、遥感图像处理、Matlab和VC++接口技术的基本知识，从第2章开始每章都包含可自由调用的Matlab和VC++源程序。该书在出版社网站上包含有配套的VC++源程序。
目录
第1章 数字图像理解与智能技术引论 1
1．1 数字图像理解概述 1
1．2 图像理解的特点 4
1．3 图像理解的研究内容 4
1．3．1 目标识别 5
1．3．2 场景理解 6
1．4 图像理解的发展及其在农业中的应用 7
1．4．1 图像理解的发展 7
1．4．2 图像理解在农业中的应用 8
1．5 图像理解与智能技术的系统构成 11
1．5．1 采像 12
1．5．2 分析 26
1．5．3 理解 39
参考文献 46
第2章 小波变换 47
2．1 小波变换概述 47
2．2 小波与小波变换 48
2．3 离散小波变换 50
2．4 小波族 53
2．5 图像处理中的小波变换 57
2．5．1 基于小波变换的图像分解与重构 57
2．5．2 基于小波变换的图像增强 59
2．5．3 基于小波变换的图像平滑 61
2．5．4 基于小波变换的图像压缩 62
2．5．5 基于小波变换的图像合成 64
参考文献 66
第3章 图像融合 67
3．1 图像融合概述 67
3．1．1 图像融合的应用 68
3．1．2 图像融合的方法 69
3．2 图像融合的关键技术 70
3．3 典型图像融合算法 71
3．4 塔式分解法 76
3．4．1 非采样Contourlet算法的特点 77
3．4．2 非采样Contourlet变换原理 78
3．4．3 图像融合规则 81
3．5 基于视觉特性的图像融合 86
3．5．1 人眼视觉特性的相关概念 86
3．5．2 基于视觉识别特性的图像融合算法原理 88
3．5．3 多聚焦图像融合算法 89
3．6 图像融合性能评价 92
3．6．1 图像融合方法的基本要求 93
3．6．2 图像融合效果评定方法 93
3．7 应用研究实例 95
参考文献 96
第4章 图像识别 97
4．1 图像识别概述 97
4．2 模板匹配方法 99
4．3 统计模式识别 100
4．4 支持向量机 103
4．5 仿生模式识别 106
4．5．1 仿生模式识别理论 106
4．5．2 高维空间几何理论 107
4．5．3 基于仿生模式识别的人脸识别 109
4．6 应用研究实例 114
参考文献 114
第5章 神经网络 115
5．1 神经网络概述 115
5．2 生物学基础 116
5．3 人工神经元 117
5．4 神经网络的特点 119
5．5 BP神经网络 120
5．5．1 BP神经网络概述 120
5．5．2 BP神经网络的训练学习 121
5．5．3 BP神经网络的Matlab示例 124
5．6 应用研究实例 126
参考文献 127
第6章 遗传算法 128
6．1 遗传算法概述 128
6．2 生物学基础 130
6．3 简单遗传算法 131
6．3．1 遗传表达 131
6．3．2 遗传算子 132
6．4 遗传参数 134
6．4．1 交叉概率Pc和变异概率Pm 134
6．4．2 其他参数 135
6．4．3 遗传参数的确定 135
6．5 适应度函数 135
6．5．1 目标函数映射为适应度函数 136
6．5．2 适应度函数的尺度变换 136
6．5．3 适应度函数设计对GA的影响 137
6．6 模式定理 138
6．6．1 模式的几何解释 140
6．6．2 GA的操作对模式的影响 141
6．7 遗传算法在模板匹配中的应用 143
6．7．1 问题的设定 143
6．7．2 GA的应用方法 145
6．7．3 简单GA的Matlab程序示例 146
6．7．4 程序执行过程 164
6．8 应用研究实例 166
参考文献 169
第7章 数字水印 170
7．1 数字水印概述 170
7．2 基于DCT域的鲁棒水印 172
7．3 基于空间域的脆弱水印 179
7．4 基于DWT域的脆弱水印 185
7．5 应用研究实例 192
参考文献 193
第8章 视频处理 194
8．1 视频处理概述 194
8．2 视频生成与成像模型 194
8．2．1 视频生成简介 194
8．2．2 视频成像模型 195
8．3 视频编码 199
8．3．1 视频编码概述 199
8．3．2 视频编码标准 199
8．4 运动目标跟踪 202
8．4．1 运动目标检测算法 203
8．4．2 运动目标跟踪算法 204
8．5 应用研究实例 213
8．5．1 视频跟踪在昆虫运动分析和行为识别中的应用 213
8．5．2 机器视觉在草地蝗虫识别中的应用 215
8．5．3 远程农作物视频采集系统 216
参考文献 217
第9章 光谱成像 218
9．1 光谱成像概述 218
9．1．1 光谱成像原理 218
9．1．2 光谱成像方式 220
9．1．3 光谱成像数据及描述模型 224
9．1．4 光谱成像检测技术的发展趋势 228
9．2 光谱图像处理 230
9．2．1 光谱图像预处理 230
9．2．2 光谱图像特征的选取与分类方法 232
9．2．3 光谱图像分类中的模式识别方法 234
9．3 应用研究实例 244
9．3．1 利用多时相Landsat高光谱图像监测冬小麦和苜蓿种植面积 244
9．3．2 基于光谱图像的作物长势监测 247
参考文献 249
第10章 遥感图像处理基础 250
10．1 遥感图像处理概述 250
10．2 遥感图像目视解译与判读 251
10．2．1 判读要素 251
10．2．2 判读标志 252
10．2．3 判读方法 252
10．2．4 遥感判读的基本技术 253
10．3 遥感图像的数字表达 254
10．4 遥感图像的存储 254
10．4．1 HDF 255
10．4．2 BSQ 258
10．4．3 BIP 258
10．4．4 BIL 258
10．5 遥感图像特征的统计分析 258
10．5．1 遥感图像的特征 258
10．5．2 成像方式分类 259
10．6 常用遥感图像处理软件 260
10．6．1 ENVI 260
10．6．2 ERDAS IMAGINE 261
10．6．3 Titan Image 262
10．7 高光谱遥感 264
10．7．1 高光谱遥感的特点 265
10．7．2 高光谱遥感的优势 265
10．7．3 高光谱遥感的应用领域 265
10．8 应用研究实例 267
10．8．1 正交子空间投影目标探测法 267
10．8．2 实验结果与分析 270
参考文献 273
附录 Matlab和VC++接口技术 274
1． Matlab和VC++接口技术概述 274
2． Matlab和VC++常用接口技术比较 274
3． MATCOM C++数学库的使用 277
4． 程序编写过程示例 279
