本書(shū)系統(tǒng)闡述了圖像處理的基本理論與實(shí)現(xiàn)方法，重點(diǎn)論述了人工智能在圖像處理領(lǐng)域的理論創(chuàng)新與實(shí)踐應(yīng)用。本書(shū)內(nèi)容分為兩大部分，第一部分主要介紹圖像處理的基本理論、算法和技術(shù)，包括圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像融合、圖像壓縮、圖像分割和圖像識(shí)別等內(nèi)容；第二部分主要介紹智能圖像處理在多個(gè)領(lǐng)域的應(yīng)用實(shí)例，包括智能遙感領(lǐng)域應(yīng)用實(shí)例、智慧醫(yī)療領(lǐng)域應(yīng)用實(shí)例和多源圖像智能融合領(lǐng)域應(yīng)用實(shí)例等內(nèi)容。
本書(shū)可作為人工智能、電子信息工程、計(jì)算機(jī)科學(xué)與技術(shù)、自動(dòng)化、機(jī)器人工程和生物醫(yī)學(xué)工程等專(zhuān)業(yè)高年級(jí)本科生的教材，也可供相關(guān)專(zhuān)業(yè)研究人員和工程技術(shù)人員參考。
本書(shū)配有電子課件、源代碼、習(xí)題答案、實(shí)驗(yàn)實(shí)踐項(xiàng)目、微課視頻等教學(xué)資源，歡迎選用本書(shū)作教材的教師登錄www.cmpedu.com注冊(cè)后索取。
本書(shū)遵循教指委相關(guān)指導(dǎo)文件和高等院校學(xué)生學(xué)習(xí)規(guī)律編寫(xiě)而成。踐行四新理念，融入思政元素，注重理論與實(shí)踐相結(jié)合。
前言
智能圖像處理及應(yīng)用在數(shù)字信息技術(shù)日新月異的時(shí)代，圖像作為一種直觀、高效的信息載體，成為信息傳遞和解譯的關(guān)鍵媒介，以及連接現(xiàn)實(shí)和數(shù)字世界的橋梁。從社交媒體上隨手分享的日常照片，到科研實(shí)驗(yàn)中的縝密數(shù)據(jù)分析，再到醫(yī)療診斷中關(guān)乎健康的影像資料，圖像幾乎無(wú)處不在。然而，如何從這些海量的圖像中高效、準(zhǔn)確地提取有價(jià)值的信息，成為科學(xué)研究、工業(yè)生產(chǎn)、醫(yī)療健康等多個(gè)領(lǐng)域中的一個(gè)亟待解決的問(wèn)題。
基于這樣的背景，本書(shū)應(yīng)運(yùn)而生，旨在為讀者提供一套完整的智能圖像處理理論、技術(shù)和應(yīng)用指南。本書(shū)從圖像處理的基本概念入手，逐步深入到圖像變換、增強(qiáng)、復(fù)原、融合、壓縮、分割和識(shí)別等核心技術(shù)。同時(shí)，本書(shū)結(jié)合人工智能和機(jī)器學(xué)習(xí)的最新進(jìn)展，探討了智能圖像處理在遙感、醫(yī)療、多源圖像融合等領(lǐng)域的應(yīng)用，通過(guò)系統(tǒng)而深入的講解，幫助讀者掌握?qǐng)D像處理的基本理論、核心技術(shù)和前沿應(yīng)用，為圖像處理領(lǐng)域的學(xué)習(xí)、研究與實(shí)踐提供堅(jiān)實(shí)的支撐。眾所周知，圖像處理不僅僅是技術(shù)層面的操作，更是思維方式的轉(zhuǎn)變和解決問(wèn)題能力的提升。因此，本書(shū)力求通過(guò)系統(tǒng)、全面的內(nèi)容，激發(fā)讀者對(duì)圖像處理技術(shù)的興趣與熱情，培養(yǎng)讀者在復(fù)雜信息環(huán)境中獲取、分析和利用圖像數(shù)據(jù)的能力。
本書(shū)注重理論與實(shí)踐相結(jié)合，既深入闡述了圖像處理的基本理論、算法和技術(shù)，又通過(guò)豐富的實(shí)例和實(shí)驗(yàn)展示了這些技術(shù)的實(shí)際應(yīng)用效果。通過(guò)對(duì)本書(shū)的學(xué)習(xí)，希望讀者能夠構(gòu)建扎實(shí)的圖像處理基礎(chǔ)理論體系，掌握?qǐng)D像處理的核心技能，為未來(lái)的學(xué)習(xí)、研究和實(shí)踐打下堅(jiān)實(shí)的基礎(chǔ)。
希望本書(shū)能夠使更多的讀者對(duì)智能圖像處理技術(shù)產(chǎn)生興趣和熱情，以推動(dòng)這一領(lǐng)域的持續(xù)發(fā)展與創(chuàng)新。同時(shí)也期待本書(shū)能夠成為從事圖像處理、人工智能、機(jī)器學(xué)習(xí)等領(lǐng)域研究和開(kāi)發(fā)人員的得力助手，將這些技術(shù)真正用于解決實(shí)際問(wèn)題。
編者
高等院校教師
序
前言
第1章緒論1
1.1圖像處理概述1
1.2智能圖像處理概述3
1.3智能圖像處理應(yīng)用6
本章小結(jié)7
第2章圖像變換8
2.1圖像變換概述8
2.2基本算術(shù)運(yùn)算8
2.2.1加法運(yùn)算8
2.2.2減法運(yùn)算9
2.2.3乘法運(yùn)算9
2.2.4除法運(yùn)算10
2.3基本幾何運(yùn)算10
2.3.1平移變換10
2.3.2旋轉(zhuǎn)變換11
2.3.3縮放變換12
2.3.4仿射變換13
2.4離散傅里葉變換14
2.4.1一維離散傅里葉變換14
2.4.2二維離散傅里葉變換14
2.5離散余弦變換15
2.5.1一維離散余弦變換16
2.5.2二維離散余弦變換16
2.6離散小波變換17
2.6.1一維離散小波變換17
2.6.2二維離散小波變換18
2.7稀疏表示20
2.8基于深度學(xué)習(xí)的圖像變換21
本章小結(jié)24
習(xí)題24
第3章圖像增強(qiáng)26
3.1圖像增強(qiáng)概述26
3.2圖像平滑濾波27
3.2.1均值濾波27
3.2.2中值濾波29
3.2.3高斯模糊30
3.3圖像銳化濾波31
3.3.1梯度法31
3.3.2拉普拉斯算子32
3.3.3頻域?yàn)V波33
3.4直方圖均衡化34
3.5偽彩色圖像增強(qiáng)36
3.5.1密度分割法36
3.5.2灰度變換法37
3.5.3頻域偽彩色增強(qiáng)38
3.6基于Retinex的圖像增強(qiáng)40
3.7基于深度學(xué)習(xí)的圖像增強(qiáng)41
3.7.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像增強(qiáng)42
3.7.2基于弱監(jiān)督學(xué)習(xí)的圖像增強(qiáng)44
3.7.3基于無(wú)監(jiān)督學(xué)習(xí)的圖像增強(qiáng)45
3.7.4常用損失函數(shù)47
本章小結(jié)47
習(xí)題47
第4章圖像復(fù)原49
4.1圖像復(fù)原概述49
4.2噪聲模型51
4.2.1噪聲的空間和頻率特性52
4.2.2常見(jiàn)噪聲的概率密度函數(shù)52
4.2.3周期噪聲56
4.3基于濾波器的噪聲濾除57
4.3.1均值濾波器57
4.3.2統(tǒng)計(jì)排序?yàn)V波器60
4.3.3自適應(yīng)濾波器64
4.4基于頻率分析的周期噪聲濾除69
4.4.1帶阻濾波器69
4.4.2帶通濾波器71
4.5無(wú)約束圖像復(fù)原71
4.5.1逆濾波72
4.5.2無(wú)約束最小二乘求解方法73
4.6有約束圖像復(fù)原73
4.6.1基于稀疏表示的圖像復(fù)原74
4.6.2基于低秩約束的圖像復(fù)原75
4.7基于深度學(xué)習(xí)的圖像復(fù)原76
4.7.1基于深度學(xué)習(xí)的圖像去噪77
4.7.2基于深度學(xué)習(xí)的圖像超分辨率復(fù)原79
4.7.3基于深度學(xué)習(xí)的圖像去模糊79
4.7.4基于深度學(xué)習(xí)的圖像修復(fù)81
本章小結(jié)82
習(xí)題82
第5章圖像融合84
5.1圖像融合概述84
5.2多源圖像配準(zhǔn)85
5.2.1基本概念85
5.2.2特征點(diǎn)匹配85
5.2.3仿射變換85
5.3空間域圖像融合87
5.4變換域圖像融合88
5.5基于稀疏表示的圖像融合89
5.6基于深度學(xué)習(xí)的圖像融合90
5.6.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像融合91
5.6.2基于自監(jiān)督學(xué)習(xí)的圖像融合91
5.6.3基于無(wú)監(jiān)督學(xué)習(xí)的圖像融合92
本章小結(jié)93
習(xí)題93
第6章圖像壓縮95
6.1圖像壓縮概述95
6.1.1圖像中的信息冗余96
6.1.2圖像壓縮分類(lèi)96
6.1.3圖像編碼評(píng)價(jià)97
6.2統(tǒng)計(jì)編碼100
6.2.1霍夫曼編碼100
6.2.2費(fèi)諾-香農(nóng)編碼102
6.2.3算術(shù)編碼102
6.2.4行程編碼103
6.3預(yù)測(cè)編碼104
6.3.1線性預(yù)測(cè)編碼105
6.3.2非線性預(yù)測(cè)編碼105
6.4矢量量化106
6.4.1矢量量化的基本思想106
6.4.2矢量量化器的設(shè)計(jì)107
6.5變換域壓縮107
6.5.1變換域壓縮的基本思想107
6.5.2變換域編碼的原理108
6.6基于深度學(xué)習(xí)的圖像壓縮109
6.6.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像壓縮109
6.6.2基于循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像壓縮110
6.6.3基于生成對(duì)抗網(wǎng)絡(luò)的圖像壓縮111
本章小結(jié)112
習(xí)題112
第7章圖像分割113
7.1圖像分割概述113
7.2邊緣檢測(cè)114
7.2.1邊緣檢測(cè)算子114
7.2.2邊緣跟蹤122
7.3圖像閾值分割126
7.3.1直方圖閾值分割法127
7.3.2最大類(lèi)間方差閾值分割法129
7.4基于區(qū)域的分割131
7.4.1區(qū)域增長(zhǎng)法131
7.4.2分裂合并法133
7.5基于深度學(xué)習(xí)的圖像分割136
7.5.1基于全卷積網(wǎng)絡(luò)的圖像分割137
7.5.2基于多尺度特征聚合的圖像分割139
7.5.3基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的圖像分割139
7.5.4基于注意力機(jī)制的圖像分割141
本章小結(jié)142
習(xí)題142
第8章圖像識(shí)別144
8.1圖像識(shí)別概述144
8.2圖像特征提取145
8.2.1顏色特征145
8.2.2紋理特征147
8.2.3形狀特征149
8.2.4空間關(guān)系特征150
8.3傳統(tǒng)圖像識(shí)別方法150
8.4基于深度學(xué)習(xí)的圖像識(shí)別151
8.4.1粗粒度圖像識(shí)別152
8.4.2細(xì)粒度圖像識(shí)別157
本章小結(jié)158
習(xí)題158
第9章智能遙感領(lǐng)域應(yīng)用實(shí)例160
9.1渤海灣海洋溢油檢測(cè)160
9.1.1耀斑去除與噪聲估計(jì)161
9.1.2溢油區(qū)域探測(cè)163
9.2DOTA數(shù)據(jù)集目標(biāo)檢測(cè)179
9.2.1數(shù)據(jù)預(yù)處理180
9.2.2方法設(shè)計(jì)180
本章小結(jié)182
習(xí)題182
第10章智慧醫(yī)療領(lǐng)域應(yīng)用實(shí)例183
10.1視網(wǎng)膜光學(xué)相干斷層掃描圖像智能處理技術(shù)183
10.1.1視網(wǎng)膜光學(xué)相干斷層掃描圖像的去噪184
10.1.2視網(wǎng)膜光學(xué)相干斷層掃描圖像的壓縮重建188
10.1.3視網(wǎng)膜光學(xué)相干斷層掃描圖像的病灶定位與診斷189
10.2腦高光譜圖像智能處理技術(shù)212
10.2.1圖像預(yù)處理213
10.2.2診斷方法214
本章小結(jié)215
習(xí)題216
第11章多源圖像智能融合領(lǐng)域應(yīng)用實(shí)例217
11.1紅外圖像與可見(jiàn)光圖像融合217
11.1.1圖像預(yù)處理217
11.1.2圖像融合218
11.2視網(wǎng)膜光學(xué)相干斷層掃描圖像與眼底圖像融合230
11.3多源遙感圖像融合252
11.3.1圖像預(yù)處理253
11.3.2地物分類(lèi)253
11.4多源大模型遙感圖像解譯254
11.4.1多源遙感大模型255
11.4.2基于大模型的多源遙感圖像解譯256
本章小結(jié)257
習(xí)題258
附錄相關(guān)術(shù)語(yǔ)259
參考文獻(xiàn)261
書(shū)單推薦
