数字图像处理与设计作业指导书.docVIP

数字图像处理与设计作业指导书

TOC\o1-2\h\u27744第一章数字图像基础 3

169801.1数字图像概述 3

37461.2数字图像的表示与存储 3

137371.2.1数字图像的表示 3

310931.2.2数字图像的颜色模型 3

116101.2.3数字图像的存储 4

22013第二章图像增强 4

21972.1灰度变换 4

161212.1.1线性灰度变换 4

302642.1.2非线性灰度变换 4

129062.2空间滤波 4

175242.2.1均值滤波 5

136072.2.2中值滤波 5

160052.2.3高斯滤波 5

246332.3直方图处理 5

43882.3.1直方图均衡化 5

35782.3.2直方图规定化 5

132222.3.3直方图增强 5

197852.4频域增强 5

7322.4.1低通滤波 6

131442.4.2高通滤波 6

256542.4.3带通滤波 6

10455第三章图像复原 6

150293.1图像退化模型 6

300903.2频域滤波方法 6

11963.3逆滤波 7

96203.4估计复原方法 7

28777第四章图像分割 7

322404.1阈值分割 7

264234.2区域生长 8

86984.3水平集方法 8

187784.4基于边缘的分割 9

23027第五章图像配准 9

109895.1图像配准原理 9

109755.2基于特征的配准方法 9

84065.3基于互信息的配准方法 10

128585.4多模态图像配准 10

26149第六章图像压缩 10

31476.1图像压缩基本原理 10

96256.2基于变换的图像压缩方法 11

5456.3基于预测的图像压缩方法 11

205136.4现代图像压缩标准 12

25735第七章图像识别 12

288197.1特征提取 12

254477.1.1概述 12

117617.1.2特征提取方法 13

280227.1.3特征选择与降维 13

309567.2统计分类方法 13

169347.2.1概述 13

16837.2.2最小距离分类 13

287127.2.3最大似然分类 13

23747.2.4支持向量机（SVM） 13

33377.3机器学习方法 13

251837.3.1概述 13

58057.3.2决策树 14

67227.3.3随机森林 14

137537.3.4神经网络 14

65637.4深度学习方法 14

41357.4.1概述 14

138937.4.2卷积神经网络（CNN） 14

55287.4.3循环神经网络（RNN） 14

303467.4.4自编码器（AE） 14

15139第八章图像重建 14

190688.1图像重建概述 14

27388.2反投影算法 15

118428.3伪彩色重建 15

189868.4三维图像重建 15

2333第九章图像处理应用 16

248179.1医学图像处理 16

300459.2工业图像处理 16

57789.3交通图像处理 16

166249.4娱乐图像处理 17

23440第十章图像处理实验与课程设计 17

1317610.1实验一：数字图像基础 17

553010.1.1实验目的 17

1998310.1.2实验内容 17

2939310.1.3实验步骤 17

668310.2实验二：图像增强与复原 17

914310.2.1实验目的 17

202610.2.2实验内容 18

664310.2.3实验步骤 18

892910.3实验三：图像分割与配准 18

669610.3.1实验目的 18

2062110.3.2实验内容 18

854210.3.3实验步骤 18

1455310.4课程设计项目 18

2529610.4.1项目一：基于数字图像处理的图像识别 18

1053410.4.2项目二：基于数字图像处理的图像修复 19

2