小波域馬爾可夫隨機場在圖像處理中的應用（簡體書）

這本《小波域馬爾可夫隨機場在圖像處理中的應用》由李旭超所著，講述小波域馬爾可夫隨機場在圖像降噪與分割中的應用，主要內容包括空域和小波域圖像統計模型的建立、參數估計、期望最大值算法及其改進，以及多分辨率分析技術、馬爾可夫隨機場與模糊聚類算法有機地結合在圖像降噪與分割中的應用。
《小波域馬爾可夫隨機場在圖像處理中的應用》可作為應用數學、電子科學、通信技術、計算機科學、圖像處理、機器視覺和自動控制等專業的高年級本科生、研究生的教材和參考書，也可作為相關領域的教師、科研人員、醫學工作者和工程技術人員等的參考書。

這本《小波域馬爾可夫隨機場在圖像處理中的應用》由李旭超所著，在參考了大量中外論文和專著的基礎上，其中包括小波變換、馬爾可夫隨機場、模糊聚類技術和參數估計理論，及其在圖像處理中的應用等研究成果，結合作者多年的科研成果編寫而成。

第1章 緒論
1.1 圖像降噪技術的分類與發展
1.1.1 空域圖像降噪
1.1.2 頻域圖像降噪
1.1.3 小波域圖像降噪
1.2 圖像分割中的馬爾可夫隨機場方法綜述
1.2.1 圖像分割中的馬爾可夫隨機場方法研究歷程
1.2.2 用馬爾可夫隨機場描述圖像模型
1.2.3 馬爾可夫隨機場圖像模型參數的估計
1.2.4 圖像分割的實現
1.2.5 MRF在圖像分割中的發展方向
1.3 圖像分割中的模糊C均值聚類方法綜述
1.3.1 圖像分割中模糊聚類算法的發展
1.3.2 模糊c均值聚類算法的優點與缺點
1.3.3 基于標準FCM算法的改進
1.3.4 FCM聚類算法與其他算法結合
1.3.5 FCM圖像分割算法發展展望
本章小結
參考文獻
第2章 圖像處理中數學問題的物理意義
2.1 概率論在圖像處理中的物理意義
2.2 信息論在圖像處理中的物理意義
2.3 隨機過程在圖像處理中的物理意義
2.4 圖像處理中各種收斂模式之間的關系
2.5 各種收斂模式的物理意義在圖像處理中的綜合解釋
2.6 圖像處理中數學問題的應用舉例與仿真
2.6.1 期望最大值算法在圖像統計模型上擬合仿真
2.6.2 基于優化的期望最大值算法在圖像統計模型上擬合仿真
本章小結
參考文獻
第3章 圖像處理中統計模型的參數估計
3.1 引言
3.2 期望最大值算法基本原理
3.2.1 期望最大值算法
3.2.2 期望最大值算法的收斂性
3.3 期望最大值算法研究歷程
3.3.1 期望最大值算法的優點與缺點
3.3.2 基于標準期望最大值算法的改進
3.3.3 EM算法在圖像恢復中的應用
3.3.4 EM算法在圖像分割中的應用
3.3.5 EM算法在目標跟蹤中的應用
3.3.6 期望最大值算法與其他算法結合
3.3.7 期望最大值算法的發展方向
3.4 期望最大值算法的應用
3.4.1 期望最大值算法估計有限混合模型中的參數仿真
3.4.2 利用EM算法估計自回歸模型的參數
3.5 期望最大值算法估計模型參數的有效性與精度
3.5.1 評價模型參數估計有效性的標準
3.5.2 用最大似然估計有限混合模型的參數
3.5.3 最大似然估計與期望最大值算法估計有限混合模型參數對比
3.5.4 用最大似然估計與EM算法估計得到模型參數的有效性
3.5.5 參數估計精度的Cramer-RaoF確界
3.5.6 期望最大值算法估計模型參數的精度
3.5.7 EM算法估計有限混合模型參數的精度
本章小結
參考文獻
第4章 圖像處理中的馬爾可夫隨機場模型
4.1 馬爾可夫隨機場的基本理論
4.2 小波域多分辨率馬爾可夫隨機場模型
4.3 馬爾可夫隨機場模型的鄰域系統
4.3.1 單分辨率尺度內馬爾可夫隨機場鄰域系統及先驗模型
4.3.2 多分辨率尺度間馬爾可夫隨機場鄰域系統及先驗模型
4.4 EM算法在四叉樹馬爾可夫模型參數估計中的應用
4.4.1 隱馬爾可夫模型的定義
4.4.2 HMM模型解決的三個實際問題
4.4.3 EM算法估計四叉樹隱馬爾可夫模型的參數
本章小結
參考文獻
第5章 小波域馬爾可夫隨機場在圖像降噪中的應用
5.1 小波變換的特性
5.2 圖像的小波變換
5.2.1 二維小波變換
5.2.2 圖像的二維小波變換表示
5.2.3 圖像的二維小波分解原理及仿真
5.2.4 圖像的二維小波重構原理及仿真
5.3 圖像的小波系數統計分布
5.3.1 圖像分解後各子帶小波系數的統計分布仿真
5.3.2 圖像重構後各子帶小波系數的統計分布仿真
5.4 圖像的邊界延拓及仿真
5.5 圖像降噪性能評價指標
5.6 加性高斯噪聲的小波變換特性
5.6.1 一維加性高斯噪聲的小波變換特性
5.6.2 二維加性高斯噪聲的小波變換特性
5.7 基于小波系數維納濾波器降噪
5.7.1 噪聲閾值的確定
5.7.2 估計的小波系數的初步確定
5.7.3 小波系數幅值的漸近最優性
5.7.4 小波系數的確定
5.7.5 仿真實例與分析
5.8 小波域隱馬爾可夫模型在圖像降噪中的應用
5.8.1 問題的提出
5.8.2 小波域隱馬爾可夫統計模型
5.8.3 小波域有限高斯隱馬爾可夫模型在圖像降噪中的應用
5.9 小波域馬爾可夫收縮因子在圖像降噪中的應用
5.9.1 對小波系數進行分類
5.9.2 用貝葉斯準則確定小波系數的收縮因子
本章小結
參考文獻
第6章 空域馬爾可夫隨機場在圖像分割中的應用
6.1 問題的提出
6.2 圖像分割區域數確定準則及其仿真
6.3 實現圖像分割的最優準則
6.4 改進的期望最大值算法估計模型的參數
6.5 基于圖像層次模型的MAP準則分割
6.5.1 空域統計圖像層次模型的建立
6.5.2 層次模型MAP準則分割算法描述
6.6 基于圖像雙隨機場模型的MPM準則分割
6.6.1 雙隨機場模型的建立
6.6.2 隨機場模型的MPM準則分割算法描述
本章小結
參考文獻
第7章 小波域馬爾可夫隨機場在圖像分割中的應用
7.1 引言
7.2 小波變換的塔式結構與小波系數的聚集特性
7.3 小波變換與馬爾可夫隨機場在圖像分割中的應用
7.3.1 小波域金字塔式馬爾可夫隨機場模型
7.3.2 用GMM模型描述小波系數的特征場
7.3.3 標號場的先驗概率分布模型
7.3.4 小波域層次馬爾可夫模型的分割算法
7.3.5 小波域層次馬爾可夫模型的參數估計
7.3.6 仿真實例與分析
本章小結
參考文獻
第8章 小波域模糊馬爾可夫隨機場在圖像分割中的應用
8.1 模糊集合理論與圖像的關系
8.2 模糊C均值算法
8.3 FCM算法使用的測度方式
8.4 空域多分辨率FCM圖像分割算法
8.5 小波變換與模糊聚類算法在圖像分割中的應用及仿真
8.5.1 小波變換與模糊聚類算法在圖像分割中的應用
8.5.2 仿真實例與分析
8.6 小波域多分辨率FCM圖像分割算法
8.6.1 小波域尺度內FCM目標函數的建立
8.6.2 小波域尺度間FCM目標函數的建立
8.6.3 小波域尺度內、尺度間混合FCM目標函數的建立
8.6.4 仿真實例與分析
8.7 模糊POSSibilistic-C均值算法
8.8 PCM算法利用核函數作為測度
8.9 小波域多分辨率PCM圖像分割算法
8.9.1 小波域尺度內PCM目標函數的建立
8.9.2 小波域尺度間PCM目標函數的建立
8.9.3 小波域尺度內、尺度間混合PCM目標函數的建立
8.9.4 小波域具有局部約束PCM目標函數的建立
本章小結
參考文獻