浙江大学计算机学院教授，在计算智能、数字图像处理、模糊系统研究方面取得了许多独创性成果。长期主讲本科生课程“信号与系统”，研究生课程“人工智能引论”、“生物智能与算法”以及博士生“计算机技术前沿”讲座。还主讲过“数字图像处理”、“模糊信息处理”、“模式识别”等课程。

第1章 绪论
1.1 图像及其分类
1.1.1图像的特点
1.1.2图像的分类
1.2 数字图像处理与应用
1.2.1数字图像处理的主要内容
1.2.2数字图像处理方法
1.2.3数字图像处理技术的应用
1.3 数字图像处理系统
1.4 MATLAB图像处理工具箱
1.5 本书概要
习题

第2章 图像获取
2.1 概述
2.2 连续图像模型
2.2.1连续图像的表达式
2.2.2连续图像的随机表征
2.3 连续图像的频谱
2.3.1一维连续傅里叶变换
2.3.2二维连续傅里叶变换
2.4 图像采样
2.4.1采样定理
2.4.2图像采样
2.5 图像量化
2.5.1量化器模型
2.5.2标量量化
2.5.3向量量化
2.6 数字图像的基本概念
2.6.1数字图像的表示
2.6.2空间与灰度级分辨率
2.5.3像素间的基本关系
小结
习题

第3章 图像变换
3.1 概述
3.2 一维离散傅里叶变换
3.2.1 离散傅里叶变换
3.2.2 离散傅里叶变换的性质
3.3 一维快速傅里叶变换
3.3.1 一维FFT的基本思想
3.3.2 一维FFT算法
3.4 二维离散傅里叶变换
3.4.1 二维离散傅里叶变换
3.4.2 二维离散傅里叶变换的性质
3.4.3 二维快速离散傅里叶变换
3.4.4 二维FFT的MATLAB实现
3.4.5 可分离图像变换的概念
3.5 离散余弦变换
3.5.1 一维离散余弦变换
3.5.2 一维快速DCT算法
3.5.3 二维离散余弦变换
3.5.4 离散余弦变换的MATLAB实现
3.5.5 离散余弦变换的应用
3.6 沃尔什和哈达玛变换
3.6.1离散沃尔什变换
3.6.2离散哈达玛变换
3.6.3快速哈达玛变换算法
3.7 霍特林变换
3.8 Radon变换
3.8.1 Radon变换
3.8.2 Radon变换的MATLAB实现
小结
习题

第4章 图像增强
4.1 概述
4.2 空域点处理增强
4.1.1 直接灰度变换
4.1.2 直方图修正
4.1.3 图像间运算
4.3 空域滤波增强
4.2.1 平滑滤波器
4.2.2 中值滤波器
4.2.3 锐化滤波器
4.4 频域滤波增强
4.3.1 低通滤波器
4.4.2 高通滤波器
4.5.3 同态滤波器
小结
习题

第5章 图像复原
5.1 概述
5.2 图像退化模型
5.2.1 退化模型
5.2.2 连续函数退化模型
5.2.3 离散的退化模型
5.2.4 循环矩阵对角化
5.3 退化函数估计
5.3.1 图像观察估计法
5.3.2 试验估计法
5.3.3 模型估计法
5.4 逆滤波
5.4.1 无约束复原
5.4.2 逆滤波
5.4.3 消除匀速运动模糊
5.5 维纳滤波
5.5.1 有约束滤波
5.5.2 维纳滤波
5.5.3 MATLAB实现
5.6约束最小二乘方滤波
5.6.1 滤波模型
5.6.2 MATLAB实现
5.7 从噪声中复原
5.7.1 噪声模型
5.7.2 空间滤波复原
5.7.3 频域滤波复原
5.8 几何校正
5.8.1 空间变换
5.8.2 灰度插值
5.8.3 几何失真图像配准复原
小结
习题

第6章 彩色图像处理
6.1 概述
6.2 彩色基础
6.2.1 人眼的构造
6.2.2 三色成像
6.3 彩色模型
6.3.1 RGB颜色模型
6.3.2 CMY和CMYK颜色模型
6.3.3 HIS颜色模型
6.4 全彩色图像处理
6.4.1 彩色图像增强
6.4.2 彩色图像复原
6.4.3 彩色图像分析
6.5 伪彩色处理
6.5.1 密度分割法
6.5.2 灰度级-彩色变换法
6.5.3 频域滤波法
小结
习题

第7章 图像编码
7.1 概述
7.2 信息理论基础与熵编码
7.2.1离散信源的熵表示
7.2.2 离散信源编码定理
7.2.3 Huffman编码
7.2.4Shannon-Fano编码
7.2.5算术编码
7.2.6 行程编码(RLE)
7.3 LZW算法
7.4 预测编码
7.4.1无损预测编码
7.4.2有损预测编码
7.5 变换编码
7.5.1变换选择
7.5.2子图像尺寸选择
7.5.3比特分配
7.6 基于小波的图像编码
7.6.1小波变换
7.6.2多分辨率分析和Mallat算法
7.6.3小波在图像编码中的应用


小结
习题

第8章 图像检测与分割
8.1 概述
8.2 边缘检测
8.2.1 梯度算子
8.2.2 Laplacian of Gaussian算子
8.2.3 Canny边缘检测算子
8.3 边界跟踪
8.3.1 边界跟踪
8.3.2 Hough变换
8.4 阈值分割
8.4.1 人工选择法
8.4.2 自动阈值法
8.4.3分水岭算法阈值选择
8.5 区域分割
8.5.1 区域生长
8.5.2 区域分裂
8.5.3 区域合并
8.5.4 区域分裂合并
9.6 形变模型
8.6.1 参数活动轮廓模型
8.6.2 几何活动轮廓模型
8.6.3 形变模型的扩展形式
8.7 运动分割
8.7.1背景差值法
8.7.2图像差分法
8.7.3基于光流的分割方法
8.7.4基于块的运动分割方法
小结
习题


第9章 图像表示与描述
9.1 概述
9.2 图像表示
9.2.1链码
9.2.2 边界分段
9.2.3 多边形近似
9.2.4 标记图
9.2.5 骨架
9.3 边界描述
9.3.1 一些简单的描述子
9.3.2 形状数
9.3.3 傅立叶描述子
9.3.4 统计矩
9.4 区域描述
9.4.1 一些简单的描述子
9.4.2 纹理
9.4.3 不变矩
10.5 形态学描述
9.5.1 膨胀和腐蚀
9.5.2 开启和闭合
9.5.3 形态学对图像的操作
小结
习题
第10章 图像特征优化
10.1 概述
10.2基于选择的特征优化
10.2.1 可分离性判据
10.2.2 搜索选择策略
10.2.3 基于遗传算法的特征选择
10.3 基于统计分析的特征优化
10.3.1 主成分分析
10.3.2 独立分量分析
10.3.3 线性判别分析
10.3.4 多维尺度分析
10.4 基于流形学习的特征优化
10.4.1 流形学习的基本原理
10.4.2 核主成分分析
10.4.3 局部线性嵌入
10.4.4 拉普拉斯特征映射
10.4.5 等距映射
小结
习题


第11章 图像识别
11.1 概述
11.2 统计图像识别
11.2.1 统计模式识别方法
11.2.2 线性分类器
11.2.3 Bayes分类器
11.2.4 ANN分类器
11.3 句法图像识别
11.3.1 句法模式识别方法
11.3.2 形式语言简介
11.3.3 模式文法
11.3.4 句法分析
11.3.5 句法结构的自动机识别
11.4 模糊图像识别
11.4.1 模糊集合及其运算
11.4.2 隶属函数确定方法
11.4.3 模糊识别原则
11.4.4 模糊句法识别
12.5 基于深度学习的图像识别
12.5.1 深度学习模型
12.5.2 深度学习算法
12.5.3 图像分类
12.5.4 图像聚类
小结
习题
第12章 图像语义分析
12.1 概述
12.2 图像语义分割
12.2.1基于模糊C均值聚类的图像分割
12.2.1利用空间上下文关系的图像分割
12.3图像区域语义标注
12.3.1基于条件随机场的上下文模型
12.3.2基于能量模型的区域标注方法
12.4图像语义分类
12.4.1基于属性关系图的图像语义描述
12.4.2利用贝叶斯网络的图像分类
小结
习题

第13章 图像检索
13.1 概述
13.2 基于内容的图像检索
13.2.1 基于颜色特征的检索
13.2.2 基于纹理特征的检索
13.2.3 基于形状特征的检索
13.2.4 检索效果评价
13.3基于语义的图像检索
13.3.1 图像语义描述方法
13.3.2 图像语义抽取方法
13.3.3 语义检索系统设计
13.4基于多示例学习的图像语义检索
13.4.1 多示例学习简介
13.4.2 分层语义模型
13.4.3 基于粗糙模糊集的图像包生成
13.4.4 语义提取
13.4.5 语义图像检索
13.4.6 检索效果
小结
习题


参考文献