PART 1　原理与技术

第一章　简介
1.1　背景 1-1
1.2　影像的表示 1-4
1.3　数位影像处理 1-6
1.4　数位影像处理系统 1-9
1.5　本书架构 1-13
1.6　主要参考文献 1-14

第二章　数学基础
2.1　信号 2-1
2.2　线性与线性偏移不变系统 2-6
2.3　回旋积 2-9
2.4　矩阵运算 2-12
2.5　纯量值对向量参数的最佳化 2-20
2.6　随机信号 2-22

第三章　取样与量化
3.1　取样 3-2
3.2　量化 3-11
3.3　向量量化 3-22

第四章　转换法
4.1　正交转换 4-2
4.2　傅立叶转换 4-5
4.3　离散余弦转换 4-12
4.4　离散正弦转换 4-19
4.5　Walsh-Hadamard转换 4-20
4.6　Haar转换 4-30
4.7　斜转换 4-32
4.8　KL转换 4-34
4.9　哈特莱转换 4-37
4.10 SVD转换 4-37
4.11 小波转换 4-40

第五章　影像增强
5.1　点处理增强 5-1
5.2　空间泸波 5-14
5.3　频域的影像增强法 5-18
5.4　彩色影像增强 5-21

第六章　影像复原
6.1　影像降质系统 6-1
6.2　代数复原方法 6-6
6.3　反泸波法 6-8
6.4　最小平方泸波器 6-9
6.5　限制性最小平方复原 6-12
6.6　盲目影像还原技术 6-19

第七章　影像压缩
7.1　资料编码与资料压缩 7-2
7.2　影像压缩模型 7-6
7.3　讯息理论基础 7-7
7.4　无失真压缩 7-16
7.5　有损耗压缩 7-26
7.6　影像压缩标准JPEG 7-27
7.7　动态视讯压缩 7-39
7.8　以小波转换压缩之实例 7-46

第八章　影像分割
8.1　导论 8-2
8.2　影像分割处理 8-3
8.3　分割影像之储存 8-15
8.4　影像分割前置处理－LUM泸波器 8-17

第九章　示与描述
9.1　表示方法 9-1
9.2　边界描述子 9-9
9.3　区域描述子 9-12
9.4　形态学 9-23

第十章　图样识别
10.1　分类 10-1
10.2　统计决策图样识别 10-4
10.3　特征选取 10-7
10.4　聚类 10-10
10.5　利用类神经网路做图样识别 10-17

PART 2　MATLAB实习

第一章　Matlab实验常用函式简介

第二章　实验-数学基础
L2.1　二维回旋积 Lab2-1
L2.2　矩阵的直接乘积 Lab2-3
L2.3　马可夫链的转移机率 Lab2-5

第三章　实验-量化
L3.1　纯量量化器的设计 Lab3-1
L3.2　量化造成的假轮廓 Lab3-4
L3.3　向量量化器之码簿的产生 Lab3-6
L3.4　向量量化的编解码 Lab3-12

第四章　实验-转换法
L4.1　SVD转换 Lab4-1
L4.2　影像转换的能量集中能力 Lab4-4
L4.3　小波转换 Lab4-6

第五章　实验-影像增强
L5.1　直方图等化法 Lab5-1
L5.2　平滑泸波器 Lab5-4
L5.3　同形泸波器 Lab5-7

第六章　实验-影像复原
L6.1　最小平方泸波器 Lab6-1
L6.2　叠代盲目去回旋积法 Lab6-5

第七章　实验-影像压缩
L7.1　同色长编码 Lab7-1
L7.2　应用小波转换与向量量化做影像压缩 Lab7-4

第八章　实验-影像分割
L8.1　像素聚积成长法 Lab8-1
L8.2　四分树区域分割与合併法 Lab8-6
L8.3　Sobel边缘侦测 Lab8-8
L8.4　拉氏边界检测法 Lab8-11
L8.5　LUM泸波器 Lab8-14

第九章　实验-表示与描述
L9.1　不变矩 Lab9-1
L9.2　细线化 Lab9-5
L9.3　膨胀和侵蚀 Lab9-9
L9.4　断开与闭合 Lab9-11

第十章　实验-图样识别
L10.1　利用不变矩判定图形类别 Lab10-1
L10.2　模煳聚类 Lab10-5
L10.3　利用类神经网路做图样识别 Lab10-8
L10.4　以倒传递网路做模煳分类 Lab10-16

附录　光碟内容简介及使用说明
参考文献
索引