灰色理论及其在图像工程中的应用PDF|Epub|txt|kindle电子书版本网盘下载

灰色理论及其在图像工程中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 灰色理论3

第1章 灰色理论概述3

1.1灰色理论的产生及发展3

1.2灰色理论的研究内容及特点5

1.3灰色理论的基本原理6

1.4代表著作及带动产生的交叉学科8

参考文献9

第2章 灰色预测理论11

2.1基本概念11

2.2 GM（1，1）预测模型12

2.2.1 GM（1，1）预测模型的建立13

2.2.2 GM（1，1）预测模型的性质及优点15

2.2.3 GM（1，1）预测模型的适用范围15

2.3 GM（1，1）预测模型的精度检验与提高16

2.3.1常用的模型精度检验法16

2.3.2提高预测精度的方法18

2.4应用GM（1，1）预测模型的关键技术22

参考文献22

第3章 灰色关联分析理论24

3.1灰色关联分析24

3.1.1灰色关联分析的含义24

3.1.2灰色关联分析的主要步骤25

3.1.3灰色关联分析前的准备工作26

3.2邓氏关联度28

3.2.1数学模型28

3.2.2性质和特点29

3.2.3邓氏关联度与相关系数的区别29

3.2.4关于分辨系数的讨论30

3.3新型灰色关联度31

3.4灰色关联度之间的比较36

3.4.1性能分析的内容37

3.4.2关联度存在的问题37

3.4.3部分关联度比较实例38

3.5灰色关联矩阵39

参考文献40

第4章 在图像工程中应用灰色理论的可行性与研究进展41

4.1可行性分析41

4.1.1数字图像是灰色系统41

4.1.2二维图像数据的降维方法42

4.2灰色理论在图像工程中的应用44

4.2.1图像处理层次44

4.2.2图像分析层次46

4.2.3图像理解层次49

4.3文献分布与相关专利50

参考文献53

第二部分 灰色理论在图像处理中的应用63

第5章 基于简化B型关联度的近似二值图像抑噪技术63

5.1图像抑噪概述63

5.1.1噪声的分类63

5.1.2常见的图像抑噪方法64

5.2近似二值图像66

5.2.1近似二值图像的定义66

5.2.2近似二值图像抑噪的意义67

5.3基于简化B型关联度的近似二值图像抑噪算法67

5.3.1选取GRA模型67

5.3.2算法描述68

5.3.3实验与结果分析71

参考文献77

第6章 基于空间域小样本灰关联的SAR图像增强技术79

6.1 SAR图像概述79

6.2现有的SAR图像增强方法81

6.2.1多视处理技术81

6.2.2基于数字图像处理技术的增强82

6.3灰色理论在图像增强中的应用83

6.3.1基于GM（1，1）预测模型的图像增强84

6.3.2基于灰色关联分析模型的图像增强84

6.4基于邓氏关联度的SAR图像增强方法86

6.4.1选取GRA模型86

6.4.2算法描述86

6.4.3实验与结果分析88

6.5基于速率关联度的SAR图像增强改进方法90

6.5.1选取GRA模型90

6.5.2算法描述90

6.5.3实验与结果分析91

参考文献93

第7章 基于小波域结构灰关联的强噪声图像增强技术95

7.1小波变换95

7.2图像小波分解96

7.3现有的小波域图像增强技术97

7.3.1小波抑噪技术的发展98

7.3.2常用的小波抑噪方法99

7.4小波域图像结构分析100

7.5基于小波域结构灰关联的强噪声图像增强算法101

7.5.1选择GRA模型101

7.5.2算法描述102

7.5.3实验与结果分析104

参考文献107

第8章 基于灰色关联矩阵的图像质量多尺度评价110

8.1图像质量评价概述110

8.1.1图像质量评价的研究意义110

8.1.2现有的评价方法与特点111

8.2 HVS特性114

8.3小波域图像质量多尺度灰评价算法115

8.3.1小波域图像特征115

8.3.2选取GRA模型116

8.3.3算法描述116

8.3.4实验与结果分析120

8.4 Curvelet变换123

8.4.1主要步骤123

8.4.2图像Curvelet变换实例124

8.5 Curvelet域的图像质量多尺度灰评价算法126

8.5.1选取GRA模型126

8.5.2算法描述126

8.5.3实验与结果分析128

参考文献132

第9章 基于灰色关联度的水印透明性评价134

9.1水印透明性概述134

9.2现有的水印透明性评价方法135

9.2.1主观评价法135

9.2.2客观评价法135

9.2.3主客观结合的评价方法138

9.3基于改进型关联度的水印透明性评价算法140

9.3.1选取GRA模型140

9.3.2算法描述141

9.3.3实验与结果分析141

9.4基于差分信息灰关联的水印透明性评价算法145

9.4.1选取GRA模型145

9.4.2算法描述145

9.4.3实验与结果分析147

参考文献150

第10章 基于分块特征灰关联的图像置乱效果评估153

10.1图像置乱概述153

10.2现有的图像置乱效果评价方法155

10.2.1直接评价图像置乱效果155

10.2.2间接评价图像置乱效果158

10.2.3其他方法159

10.3最优置乱图像的定义与分析160

10.3.1最优置乱图像的定义及效果160

10.3.2最优置乱图像特征分析161

10.4基于子图直方图灰关联的图像置乱效果盲评价162

10.4.1选择GRA模型163

10.4.2算法描述163

10.4.3实验与结果分析164

10.5基于子图均值灰关联的图像置乱效果盲评价166

10.5.1选择 GRA模型166

10.5.2算法描述166

10.5.3实验与结果分析167

参考文献168

第三部分 灰色理论在图像分析中的应用173

第11章 基于变权关联度的图像边缘检测技术173

11.1边缘检测概述173

11.2常见的边缘检测方法174

11.2.1几种边缘检测算子174

11.2.2性能分析175

11.3灰色理论在图像边缘检测中的应用现状176

11.3.1利用GM（1，1）预测模型检测图像边缘176

11.3.2利用灰色关联分析模型检测图像边缘177

11.4基于变权关联度的图像边缘检测算子179

11.4.1选取GRA模型179

11.4.2算法描述180

11.4.3实验与结果分析182

参考文献187

第12章 小样本灰关联在空间域图像分割中的应用190

12.1图像分割概述190

12.1.1图像分割的定义190

12.1.2图像分割的分类191

12.1.3阈值分割方法简述191

12.1.4常见的阈值分割方法192

12.2模糊理论196

12.2.1模糊理论概述196

12.2.2模糊理论在图像分割中的应用197

12.3基于灰色模糊熵的快速图像分割方法198

12.3.1模糊熵阈值分割198

12.3.2灰色模糊熵199

12.3.3算法描述200

12.3.4实验与结果分析201

12.4图论202

12.4.1图的定义与表示202

12.4.2图的划分203

12.4.3图论在图像分割中的应用205

12.5基于灰色图割的图像分割方法205

12.5.1选取GRA模型206

12.5.2算法描述206

12.5.3实验与结果分析208

参考文献212

第13章 灰概念及灰熵模型在快速图像分割中的应用215

13.1熵在图像阈值分割中的应用215

13.2小波域二维最大条件灰熵模型217

13.2.1二维最大条件熵217

13.2.2灰熵模型的建立218

13.3基于灰熵模型和GA的快速图像分割方法219

13.3.1 GA简介219

13.3.2算法描述220

13.3.3实验与结果分析221

13.4基于灰熵模型和PSO算法的快速图像分割方法223

13.4.1 PSO算法简介223

13.4.2算法描述224

13.4.3实验与结果分析225

13.5基于改进灰熵模型和BFA的快速图像分割方法227

13.5.1 BFA简介227

13.5.2算法描述229

13.5.3实验与结果分析230

参考文献235

第14章 灰色聚类与FD灰关联在图像分割性能评价中的应用237

14.1图像分割性能评价概述237

14.2图像分割性能评价技术238

14.2.1分析法准则238

14.2.2优度实验法准则239

14.2.3差异实验法准则241

14.3图像分割性能综合评价243

14.4基于灰色聚类的图像分割性能评价244

14.4.1灰色聚类244

14.4.2算法描述246

14.4.3实验与结果分析247

14.5基于FD灰关联的图像分割性能评价251

14.5.1 FD灰关联模型251

14.5.2算法描述252

14.5.3实验与结果分析253

参考文献255

第四部分 灰色理论在图像理解中的应用259

第15章 直方图灰关联在图像匹配中的应用259

15.1图像匹配概述259

15.1.1图像匹配的分类259

15.1.2图像匹配的关键技术260

15.1.3图像匹配的性能评价261

15.2基于直方图灰关联的匹配目标函数设计262

15.3基于ABC算法和空间域直方图灰关联的图像匹配方法262

15.3.1 ABC算法简介263

15.3.2算法描述264

15.3.3实验与结果分析265

15.4基于AFS算法和小波域直方图灰关联的图像匹配方法267

15.4.1 AFS算法简介268

15.4.2改进的AFS算法271

15.4.3算法描述271

15.4.4实验与结果分析272

参考文献276

第16章 基于灰色评价与目标灰提取的图像融合技术278

16.1图像融合概述278

16.1.1图像融合的定义278

16.1.2图像融合的分类279

16.2现有的像素级图像融合方法281

16.3协同机制下灰色竞争的图像融合方法283

16.3.1问题的提出与基本设想283

16.3.2算法描述283

16.3.3实验与结果分析284

16.4基于目标灰提取的红外与可见光图像融合方法288

16.4.1问题的提出与基本设想288

16.4.2红外目标灰提取技术288

16.4.3算法描述290

16.4.4实验与结果分析291

参考文献293

第17章 定权关联度在图像融合性能评价中的应用295

17.1图像融合性能评价概述295

17.2融合性能指标的选择296

17.3现有的融合性能评价指标297

17.4基于定权关联度的图像融合性能评价方法300

17.4.1问题的提出与基本设想300

17.4.2选取GRA模型300

17.4.3方法描述301

17.4.4实验与结果分析302

17.5新方法在SAR图像融合评价中的应用实例308

17.5.1 SAR图像融合方式309

17.5.2 SAR图像融合效果评价实例309

参考文献317

第五部分 总结与展望321

第18章 总结与展望321

18.1总结321

18.2灰色理论用于图像信息处理时的关键技术323

18.2.1灰色关联分析模型应用关键技术323

18.2.2 GM（1，1）预测模型应用关键技术325

18.2.3灰色聚类应用关键技术326

18.3展望327

18.4结束语328

参考文献329

附录 按年度排序的调研文献330