本书为《图像工程》第5版的中册，主要介绍图像工程的第二层次———图像分析基本概念、基本原理、典型方法、实用技术以及国际上有关研究的新成果。 本书第1章是绪论，介绍图像分析基础并概述全书。图像分析的主要内容分别在4个单元中介绍。第1单元（包含第2~5章）介绍图像分割技术；其中第2章介绍图像分割的基础知识和基本方法，第3章介绍一些典型的图像分割技术，第4章介绍对基本分割技术的推广，第5章介绍对图像分割的评价研究。第2单元（包含第6~9章）介绍对分割出目标的表达描述技术，其中第6章介绍目标表达技术，第7章介绍目标描述技术，第8章介绍对目标显著性的检测和描述技术，第9章介绍进一步的特征测量和误差分析内容。第3单元（包含第10~13章）介绍目标特性分析技术，其中第10章介绍纹理分析技术，第11章介绍形状分析技术，第12章介绍运动分析技术，第13章介绍目标属性的含义及其应用。第4单元（包含第14~16章）介绍一些相关的数学工具，其中第14章介绍二值数学形态学，第15章介绍灰度数学形态学，第16章介绍图像模式识别原理和方法。书中的附录 A 介绍了人脸和表情识别的原理和技术，主要与第16章相关。 本书

第1章绪论 1．1图像和图像工程 1．1．1图像基础 1．1．2图像工程 1．2图像分析概论 1．2．1图像分析的定义和研究 内容 1．2．2图像分析系统 1．3图像分析中的数字化 1．3．1离散距离 1．3．2连通组元 1．3．3数字化模型 1．3．4数字弧和数字弦 1．4距离变换 1．4．1定义和性质 1．4．2局部距离的计算 1．4．3距离变换的实现 1．5内容框架和特点 总结和复习* 随堂测试* 第1单元图 像 分 割 第2章图像分割基础 2．1图像分割定义和技术分类 2．2并行边界技术 2．2．1边缘及检测原理 2．2．2正交梯度算子 2．2．3方向微分算子 2．2．4二阶导数算子 2．2．5边界闭合 2．3串行边界技术 2．3．1主动轮廓模型 2．3．2能量函数 2．4并行区域技术 2．4．1原理和分类 2．4．2依赖像素的阈值 选取 2．4．3依赖区域的阈值 选取 2．4．4依赖坐标的阈值 选取 2．4．5空间聚类 2．5串行区域技术 2．5．1区域生长 2．5．2分裂合并 2．6基于深度学习的分割方法 分类 2．7全景分割 2．7．1全景分割流程 2．7．2语义分割 2．7．3实例分割 总结和复习* 随堂测试* 第3章典型分割算法 3．1兴趣点检测 3．1．1二阶导数检测角点 3．1．2*小核同值区算子 3．1．3哈里斯兴趣点算子 3．2图割方法 3．3特色的阈值化和聚类技术 3．3．1多分辨率阈值选取 3．3．2借助过渡区选择 阈值 3．3．3借助均移方法确定 聚类 3．4分水岭分割算法 3．4．1基本原理和步骤 3．4．2算法改进和扩展 总结和复习* 随堂测试* 第4章分割技术扩展 4．1从像素单元到目标单元 4．1．1像素和目标之间的 单元 4．1．2椭圆目标检测 4．2从哈夫变换到完整广义哈夫 变换 4．2．1哈夫变换 4．2．2广义哈夫变换原理 4．2．3完整广义哈夫变换 4．3从像素精度到亚像素精度 4．3．1基于矩保持的技术 4．3．2利用一阶微分期望值 的技术 4．3．3借助切线信息的 技术 4．4从2D图像到3D图像 4．4．13D边缘检测 4．4．23D图像阈值化 4．5从灰度图像到彩色图像 4．5．1分割不同定义的 区域 4．5．2彩色图像分割 策略 4．6面向医学图像的分割 4．6．1医学图像分割算法 概述 4．6．2交互式水平集胸主动脉 图像分割 4．6．3用于医学图像分割的 UNet网络 4．6．4医学图像标记数据的 解决方案 总结和复习* 随堂测试* 第5章分割评价比较 5．1分割评价研究分类 5．2分割算法评价框架 5．3分割评价的准则 5．3．1分析法准则 5．3．2优度试验法准则 5．3．3差异试验法准则 5．4分割算法评价实例 5．4．1实验算法和图像 5．4．2实验结果和讨论 5．5评价方法和准则比较 5．5．1方法讨论和对比 5．5．2准则的分析比较 5．5．3准则的实验比较 5．6分割评价的进展 5．6．1分割算法的评估 5．6．2像素分类的评价 准则 5．6．3全景分割的评价 5．7基于评价的算法优选系统 5．7．1算法优选思想和 策略 5．7．2优选系统的实现和 效果 总结和复习* 随堂测试* 第2单元表 达 描 述 第6章目标表达 6．1基于边界的表达 6．1．1技术分类 6．1．2链码 6．1．3边界段 6．1．4边界标志 6．1．5多边形逼近 6．1．6**点 6．2基于区域的表达 6．2．1技术分类 6．2．2空间占有数组 6．2．3四叉树 6．2．4金字塔 6．2．5围绕区域 6．2．6骨架 6．3基于变换的表达 6．3．1技术分类 6．3．2傅里叶变换表达 总结和复习* 随堂测试* 第7章目标描述 7．1基于边界的描述 7．1．1简单边界描述符 7．1．2形状数 7．1．3边界矩 7．2基于区域的描述 7．2．1简单区域描述符 7．2．2拓扑描述符 7．2．3区域不变矩 7．3对目标关系的描述 7．3．1目标标记和计数 7．3．2点目标的分布 7．3．3字符串描述 7．3．4树结构描述 7．3．5空间关系数据集 总结和复习* 随堂测试* 第8章目标显著性 8．1显著性概述 8．2显著性检测 8．2．1方法分类 8．2．2检测流程 8．3显著区域分割提取 8．3．1基于对比度幅值 8．3．2基于对比度分布 8．3．3基于*小方向对 比度 8．3．4显著目标分割和 评价 8．4基于背景先验提取显著性 区域 8．4．1相似距离 8．4．2*小栅栏距离的近似 计算 8．4．3流水驱动的显著性区 域检测 8．4．4定位目标建议区域 8．5基于*稳定区域提取显著性 区域 8．6结合各种特征的显著性 检测 8．6．1低秩背景约束和多线索 传播 8．6．2边界连通性和局部对 比度 8．7特定类型图像的显著性 检测 8．7．1RGBD视频 8．7．2光场图像 总结和复习* 随堂测试* 第9章测量和误差分析 9．1直接测度和间接测度 9．2需区别的术语 9．2．1准确性和**性 9．2．2模型假设和实际 观察 9．2．34连通和8连通 9．3影响测量误差的因素 9．3．1误差来源 9．3．2光学镜头分辨率 9．3．3采样密度 9．3．4分割算法 9．3．5特征计算公式 9．3．6综合影响 9．3．7随机样本共识 9．4误差分析 总结和复习* 随堂测试* 第3单元特 性 分 析 第10章纹理分析 10．1纹理研究概况 10．2纹理描述的统计方法 10．2．1灰度共生矩阵 10．2．2基于灰度共生矩阵的 纹理描述符 10．2．3基于能量的纹理描 述符 10．3纹理描述的结构方法 10．3．1结构描述法 基础 10．3．2纹理镶嵌 10．3．3局部二值模式 10．3．4完全局部二值 模式 10．4纹理描述的频谱方法 10．4．1傅里叶频谱 10．4．2盖伯频谱 10．5一种纹理分类合成方法 10．6纹理分割 10．6．1有监督纹理 分割 10．6．2无监督纹理 分割 总结和复习* 随堂测试* 第11章形状分析 11．1形状定义和研究 11．2平面形状分类 11．3形状描述方法分类 11．4基于形状特性的描述 11．4．1形状紧凑性 描述 11．4．2形状复杂性 描述 11．5基于特定技术的描述 11．5．1基于多边形的描 述符 11．5．2基于离散曲率的 描述符 11．6拓扑结构的描述 11．7分形维数 总结和复习* 随堂测试* 第12章运动分析 12．1运动研究内容 12．2运动目标检测 12．2．1背景建模 12．2．2光流场 12．2．3特定运动模式的 检测 12．3运动目标分割 12．3．1目标分割和运动 信息提取 12．3．2分割方法分类 12．3．3稠密光流算法 12．3．4基于参数和模型的 分割 12．3．5融合多尺度上下文与 时间信息 12．3．6结合ROI预测和参考 帧更新 12．4运动目标跟踪 12．4．1典型技术 12．4．2尺度非各向同性的 均移 12．4．3均移结合粒子滤 波器 12．4．4子序列决策 策略 12．5移动阴影检测 12．5．1算法流程图 12．5．2前景检测 12．5．3特征模板提取 12．5．4颜色模板的 判断 12．5．5提取目标像素并 **阴影 12．5．6获取完整目标 区域 12．6基于孪生网络的目标 跟踪 12．6．1引导锚定区域** 网络 12．6．2无锚框全卷积孪生跟 踪器 总结和复习* 随堂测试* 第13章属性分析 13．1属性描述概况 13．1．1属性的类型 13．1．2属性的层次 13．1．3属性学习结构和 框架 13．2属性学习中的特征比较 13．3视觉属性和零样本学习 13．3．1基于属性的零样本 学习 13．3．2零样本语义自编 码器 13．3．3零样本属性 识别 13．4基于属性的行人再识别 13．4．1借助行人属性先验分 布的方法 13．4．2借助对行人属性分级 的方法 13．4．3结合全身和部件属性 的方法 13．4．4跨模态异构行人再 识别 13．5图像属性应用示例 13．5．1跨类目标分类 13．5．2属性学习和目标 识别 13．5．3基于局部动作属性 的动作分类 总结和复习* 随堂测试* 第4单元数 学 工 具 第14章二值数学形态学 14．1基本集合定义 14．2二值形态学基本运算 14．2．1二值膨胀和 腐蚀 14．2．2二值开启和 闭合 14．2．3二值基本运算 性质 14．3二值形态学组合运算 14．3．1击中击不中 变换 14．3．2二值组合运算 14．4二值形态学实用算法 14．5形态学算子及其应用 领域 总结和复习* 随堂测试* 第15章灰度数学形态学 15．1灰度图像的排序 15．2灰度形态学基本运算 15．2．1灰度膨胀和 腐蚀 15．2．2灰度开启和 闭合 15．2．3灰度基本运算 性质 15．3灰度形态学组合运算 15．3．1形态滤波 15．3．2高帽变换和低帽 变换 15．4灰度形态学实用算法 15．4．1背景估计和 消除 15．4．2目标分割 15．5结构元素中的属性修改 15．5．1纯像素指标 15．5．2形态偏心指标 15．5．3自动形态学端元 提取 15．5．4将PPI嵌入 AMEE 15．6图像代数 总结和复习* 随堂测试* 第16章图像识别 16．1模式和分类 16．2不变量交叉比 16．2．1交叉比 16．2．2非共线点的不 变量 16．2．3对称的交叉比 函数 16．2．4交叉比应用示例 16．3统计模式识别 16．3．1*小距离分 类器 16．3．2*优统计分 类器 16．3．3自适应自举 16．4感知机和支持向量机 16．4．1感知机 16．4．2支持向量机 16．5结构模式识别 16．5．1字符串结构 识别 16．5．2树结构识别 总结和复习* 随堂测试* 附录A人脸和表情识别 A．1生物特征识别 A．2人脸检测定位 A．2．1基本方法 A．2．2基于豪斯道夫距离 的方法 A．3人脸活体检测 A．3．1人脸欺骗 A．3．2交互式和非交互式 方法 A．3．3人脸反欺骗技术 分类 A．4眼睛检测和跟踪 A．4．1眼睛几何模型及 确定 A．4．2眨眼过程中的眼睛 轮廓跟踪 A．5人脸识别 A．5．1边缘本征矢量加权 方法 A．5．2相关滤波器 设计 A．5．3监督线性降维 A．5．4非特定表情人脸 识别 A．5．5遮挡人脸识别 A．6表情识别 A．6．1表情识别和 步骤 A．6．2人脸表情特征 提取 A．6．3基于盖伯变换的 特征提取 A．6．4表情特征的稀疏 表达 A．6．5表情分类 A．6．6基于高阶奇异值分解 的分类 A．6．7矢量输入多类输出表 情分类 A．6．8微表情识别 主题索引 部分思考题和练习题解答* 参考文献*