图像工程（中册）：图像分析（第3版） [Image Engineering(2):Image Analysis(Third Edition)] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

章毓晋 著

图书标签:

• 图像处理
• 图像分析
• 计算机视觉
• 图像工程
• 模式识别
• 数字图像处理
• 图像特征提取
• 图像分割
• 图像理解
• 机器学习

出版社： 清华大学出版社

ISBN：9787302288299

版次：3

商品编码：11073691

品牌：清华大学

包装：平装

外文名称：Image Engineering(2):Image Analysis(Third Edition)

开本：16开

出版时间：2012-08-01

用纸：胶版纸

页数：406

字数：558000

编辑推荐

　　《图像工程》的多次重印表明章毓晋老师一直倡导的，为了对各种图像技术进行综合研究、集成应用而建立的整体框架——图像工程作为一门系统地研究各种图像理论、技术和应用的新的交叉学科得到了广泛的认可。
　　本书主要介绍图像分析的内容，需要有一定的图像处理基础，作为学习图像技术的第二本书来学习（如果自学的话，在学习完上册的前两个单元后进行）。当学时比较紧张时，可先学习完本册书前两个单元，再在后两个单元中选取部分内容。
　　第1版获全国普通高等学校优秀教材一等奖
　　第2版评为全国普通高等教育“十一五”精品教材
　　第3版评为“十二五”普通高等教育本科国家级规划教材
　　2013年北京高等教育精品教材
　　在编写的方针上，力求具有理论性、实用性、系统性、实时性；在内容叙述上，力求理论概念严谨，论证简明扼要。保留了有代表性的经典内容，充实了新研究成果和得到广泛使用的典型技术。
　　（1）从第2章就开始介绍正式内容，更快进入主题。先修或预备内容分别安排在需先修部分的同一章前，突出主线内容。
　　（2）除绪论外，正式内容都结合成4个单元，每个单元都有具体说明，全书的系统性和结构性均得到了加强。
　　（3）本书的PPT，更多的习题和其余的习题解答会放在出版社网站上，便于补充、改进，
　　（4）各册书后均增加了主题索引（并给出了英文），既方便在书中查找有关内容，也方便在网上查找有关文献。

内容简介

　　本册书为《图像工程》第3版的中册，主要介绍图像工程的第二层次——图像分析的基本概念、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。
　　本册书主要分为4个单元。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6~8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章介绍进一步的测量和误差分析内容。第3单元（包含第9~11章）介绍目标特性分析技术，其中第9章介绍纹理分析技术，第10章介绍形状分析技术，第11章介绍运动分析技术。第4单元（包含第12~14章）介绍一些相关的数学工具，其中第12章介绍二值图像数学形态学，第13章介绍灰度图像数学形态学，第14章介绍图像模式识别原理和方法。书中的附录介绍了人脸和表情识别的原理和技术，是与第14章相关的应用和扩展。书中还提供了大量例题、思考题和练习题，并对部分练习题提供了解答。书末还给出了主题索引。
　　本书可作为信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统、计算机视觉等学科大学本科专业课或研究生专业基础课教材，也可供信息与通信工程、电子科学与技术、计算机科学与技术、测控技术与仪器、机器人自动化、生物医学工程、光学、电子医疗设备研制、遥感、测绘和军事侦察等领域的科技工作者参考。

作者简介

　　章毓晋，1989年获比利时列日大学应用科学博士学位。1989年至1993年为荷兰德尔夫特大学博士后及研究人员。从1993年到中国北京清华大学工作，1997年被聘为教授，1998年被评为博士生导师。2003年学术休假期间同时被聘为新加坡南洋理工大学访问教授。
　　在清华大学，先后开出并讲授10多门本科生和研究生课程。在南洋理工大学，开出并讲授过研究生课程：“现代图像分析（英语）”。已编写出版了图像工程系列教材第1版和第2版，以及《图像处理和分析基础》，《图像处理和分析技术》（第2版），《图像处理和分析教程》、《计算机视觉教程》和《Image Engineering：Processing，Analysis，and Understanding》，翻译出版了《彩色数字图像处理》。已在国内外发表了30多篇教学研究论文。
　　主要科学研究领域为其积极倡导的图像工程（图像处理、图像分析、图像理解及其技术应用）和相关学科。从1996年起已连续十六年对中国图像工程的研究及主要文献进行了系统的年度分类总结综述。已在国内外发表400多篇图像工程研究论文，出版了专著《图象分割》，《基于内容的视觉信息检索》，《基于子空间的人脸识别》，编著了《英汉图像工程辞典》，主持编著了《Advances in Image and Video Segmentation》，《Semantic-Based Visual lnformation Retrieval》，《Advances in Face Image Analysis：Techniques and Technologies》。
　　现为中国图象图形学学会学术委员会主任；国际电气电子工程师协会（IEEE）高级会员；国际光学工程协会（SPIE）会士（因在图像工程方面的成就）；《中国图象图形学报》副主编，《电子与信息学报》，《计算机辅助设计与图形学学报》，《信号处理》和《自动化学报》编委；以及国际刊物“Pattern Recognition Letters”的associate editor。曾任第一届、第二届、第四届、第五届和第六届国际图像图形学术会议（ICIG'2000.ICIG'2002，ICIG'2007.ICIG'2009.ICIG'2011）程序委员会主席，第十二届、第十三届、第十四届、第十五届和第十六届全国图像图形学术会议（NCIG'2005，NCIG'2006，NCIG'2008，NCIG'2010，NCIG'2012）程序委员会主席。

内页插图

目录

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 图像分析定义和研究内容
1.2.2 图像分析系统
1.3 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

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 二阶导数算子
2.2.4 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
总结和复习
第3章 典型分割算法
3.1 SUSAN检测算子
3.1.1 USAN原理
3.1.2 SUSAN算子边缘检测
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
第4章 分割技术扩展
4.1 从哈夫变换到广义哈夫变换
4.1.1 哈夫变换
4.1.2 广义哈夫变换原理
4.1.3 完整广义哈夫变换
4.2 从像素到亚像素
……
第2单元 表达描述
第3单元 特性分析
第4单元 数学工具
部分习题解答
参考文献
索引

前言/序言

图像工程（中册）：图像分析（第三版） 内容简介： 本书是《图像工程》系列的中册，专注于图像分析这一核心领域，并已更新至第三版。作为图像处理技术体系中的关键组成部分，图像分析旨在从图像数据中提取有意义的信息，并将其转化为可理解的、可操作的知识。本书深入探讨了各种先进的图像分析技术，从基础的图像增强和分割，到复杂的特征提取、模式识别，再到更高层次的目标检测与场景理解，力求为读者构建一个系统、全面而深入的图像分析知识体系。 第三版在继承前版精髓的基础上，紧跟图像分析领域最新的研究进展和技术突破。新增和修订的内容涵盖了深度学习在图像分析中的应用、面向特定任务的特征表示方法、多模态图像融合与分析、以及近年来在医学影像、遥感、自动驾驶等领域取得显著成果的新算法和应用案例。本书不仅讲解了理论原理，更注重实际操作和应用，通过丰富的实例和代码示例（虽然此处不展示代码，但本书会提供），帮助读者理解算法的实现细节，并能够将其应用于实际问题。 第一部分：图像增强与预处理 本部分为图像分析奠定基础，介绍了如何对原始图像进行有效的预处理，以提升图像质量、突出关键信息、消除噪声干扰。 图像增强技术： 详细阐述了多种经典的图像增强方法，包括点运算（如灰度变换、直方图均衡化、对比度拉伸），它们能够调整图像的整体亮度和对比度，使细节更加清晰。空间域滤波技术，如均值滤波、中值滤波、高斯滤波，用于去除噪声；拉普拉斯滤波、Sobel算子、Canny算子等边缘检测算子，用于突出图像的轮廓和边界。同时，也探讨了频率域的增强方法，例如傅里叶变换在图像去噪和锐化中的应用。 噪声模型与去除： 分析了各种常见的图像噪声类型（如高斯噪声、椒盐噪声、斑点噪声），并介绍了相应的统计模型。在此基础上，深入讲解了多种降噪算法，包括基于空域滤波的方法，如多尺度中值滤波、非局部均值滤波；以及基于频域的方法，如维纳滤波。对于更复杂的噪声，本书还会介绍一些自适应滤波技术，能够根据图像局部特性进行滤波。 几何变换： 讲解了图像的空间变换，包括平移、旋转、缩放、剪切等，以及这些变换在图像校正、配准和畸变恢复中的作用。还介绍了仿射变换和透视变换，它们在处理三维场景投影到二维图像时至关重要。 第二部分：图像分割 图像分割是将图像划分为若干互不重叠的区域，每个区域内的像素具有相似的属性（如颜色、纹理、强度）。这是后续特征提取和对象识别的关键步骤。 阈值分割： 介绍了一系列阈值分割方法，从简单的全局阈值选取（如Otsu方法）到局部自适应阈值，能够根据图像局部特征动态调整阈值。 区域生长法： 阐述了基于区域生长的分割原理，通过选择种子点，并根据相似性准则逐步扩张区域，实现对目标区域的精细分割。 边缘检测与轮廓提取： 详细讲解了多种边缘检测算子（如Sobel、Prewitt、Roberts、Laplacian），以及它们在识别图像亮度突变处的原理。在此基础上，介绍了Canny边缘检测算法，它通过高斯平滑、梯度计算、非极大值抑制和滞后阈值处理，实现鲁棒的边缘提取。还讨论了如何从边缘信息构建连续的轮廓。 基于图的分割方法： 介绍了图割（Graph Cut）等基于图论的分割技术，将图像分割问题转化为图的最小割问题，能够处理复杂的拓扑结构和全局优化。 分水岭分割： 阐述了分水岭算法的原理，通过将图像视为地形图，找到“分水岭线”来分割图像。本书还会介绍如何结合标记（markers）来指导分水岭分割，以避免过分割。 深度学习在分割中的应用： 新增章节专门探讨了卷积神经网络（CNN）在图像分割中的强大能力。详细介绍了全卷积网络（FCN）、U-Net、DeepLab系列等经典模型，以及它们如何实现像素级别的分类和分割。 第三部分：特征提取与描述 特征是图像中最具代表性的信息，能够概括图像的关键属性，便于后续的识别和分析。本部分将深入探讨如何从图像中提取有用的特征。 点特征提取： 讲解了 Harris角点检测、FAST角点检测等方法，用于识别图像中的关键点。 局部特征描述符： 重点介绍了 SIFT（Scale-Invariant Feature Transform）、SURF（Speeded Up Robust Features）、ORB（Oriented FAST and Rotated BRIEF）等局部特征描述符，它们对尺度、旋转、光照变化具有一定的鲁棒性，是目标识别、图像匹配和三维重建的重要基础。详细解释了这些描述符的生成原理、计算过程和优势。 全局特征： 探讨了如颜色直方图、纹理描述符（如LBP，局部二值模式）等全局特征，它们能够概括图像整体的颜色或纹理分布。 形状特征： 介绍了用于描述物体形状的特征，如轮廓矩、傅里叶描述符、形状上下文等。 深度学习驱动的特征提取： 详细介绍了如何利用预训练的深度神经网络（如AlexNet, VGG, ResNet）作为强大的特征提取器。讨论了浅层和深层特征的特性，以及如何根据任务需求选择和调整这些特征。 第四部分：模式识别与分类 模式识别是将提取的特征进行归类和识别，以判断图像中是否存在特定物体或场景。 统计模式识别： 讲解了基于概率统计的分类器，如最大似然分类器、贝叶斯分类器、K近邻（KNN）分类器。 机器学习分类器： 详细介绍了支持向量机（SVM）及其核技巧，用于解决线性和非线性分类问题。讨论了决策树、随机森林等集成学习方法。 神经网络与深度学习分类： 深入讲解了多层感知机（MLP）、卷积神经网络（CNN）在图像分类中的应用。详细阐述了CNN的结构，包括卷积层、池化层、激活函数和全连接层，以及它们如何学习图像的层次化特征。本书还将介绍一些经典的CNN架构，如LeNet, AlexNet, VGG, ResNet, Inception等，并分析它们的特点和优势。 模型训练与评估： 讨论了模型训练中的关键概念，如过拟合、欠拟合、正则化、梯度下降优化算法（如SGD, Adam），以及常用的评估指标，如准确率、精确率、召回率、F1分数、ROC曲线。 第五部分：目标检测与跟踪 目标检测是在图像中定位并识别出特定类别的物体，目标跟踪则是在连续视频帧中追踪同一目标。 经典目标检测算法： 介绍了如Viola-Jones人脸检测框架、HOG+SVM等基于特征的方法。 基于深度学习的目标检测： 详细阐述了主流的深度学习目标检测框架，包括两阶段检测器（如R-CNN系列：Fast R-CNN, Faster R-CNN）和单阶段检测器（如YOLO系列：YOLOv1-v5, SSD）。分析了它们的网络结构、检测原理和性能权衡。 目标跟踪算法： 介绍了经典的目标跟踪算法，如卡尔曼滤波、粒子滤波。并深入探讨了基于深度学习的目标跟踪方法，如Siamese网络、Transformer-based的跟踪器，以及如何利用端到端的学习来提升跟踪的鲁棒性和精度。 第六部分：应用案例与前沿进展 本部分将结合实际应用，展示图像分析技术的强大威力，并展望未来的发展方向。 医学影像分析： 探讨了图像分割、特征提取和模式识别在医学影像（如CT, MRI, X-ray）中的应用，用于疾病诊断、肿瘤检测、病灶分割等。 遥感图像分析： 讲解了遥感图像的预处理、变化检测、地物分类、目标识别等技术，在环境监测、城市规划、灾害评估等领域的应用。 自动驾驶与计算机视觉： 讨论了目标检测、场景理解、立体视觉、SLAM（Simultaneous Localization and Mapping）等技术在自动驾驶系统中的关键作用。 图像内容分析与检索： 介绍了如何利用图像分析技术构建图像数据库，实现基于内容的图像检索（CBIR）。 生成式模型与图像合成： 简要介绍了生成对抗网络（GAN）在图像生成、风格迁移等方面的最新进展。 多模态图像分析： 探讨了如何融合来自不同传感器（如可见光、红外、雷达）的图像信息，以获得更全面的场景理解。 可解释的AI（XAI）在图像分析中的探索： 简要介绍了如何使深度学习模型更加透明和易于理解，这在关键应用领域（如医疗、安全）尤为重要。 《图像工程（中册）：图像分析（第三版）》以其全面、深入、与时俱进的内容，旨在为计算机科学、电子工程、自动化、人工智能等领域的学生、研究人员和工程师提供一份宝贵的参考资料。通过学习本书，读者将能够掌握现代图像分析的核心技术，并为解决实际的图像处理和计算机视觉问题打下坚实的基础。

评分☆☆☆☆☆

作为一名在图像处理领域摸爬滚打多年的从业者，我深知学习新知识的艰难，也懂得一本好书的价值。这本书的出现，无疑为我打开了另一扇窗。它在原有基础上进行了大量的更新和修订，融入了近年来该领域最新的研究成果和技术进展，这对于保持知识的 актуальность（时效性）至关重要。我发现书中对一些前沿技术，比如深度学习在图像分析中的应用，有着独到而深刻的见解。作者在分析这些新技术的优势和局限性时，保持了客观公正的态度，既不夸大其词，也不回避挑战。这使得这本书不仅能够满足对基础知识的巩固需求，也能帮助我们紧跟技术发展的步伐，从而在日益激烈的竞争中保持领先。

评分☆☆☆☆☆

我一直认为，一本好的技术书籍，不仅仅是知识的堆砌，更是一种思想的启迪。这本书在这方面做得非常到位。在阅读的过程中，我常常会因为作者提出的某个观点或者分析的角度而产生“原来如此”的顿悟。它不仅仅是在传授“是什么”，更是在引导读者思考“为什么”和“如何”。书中对于一些关键问题的探讨，充满了深度和前瞻性，让我对图像分析的未来发展有了更清晰的认识。它鼓励读者独立思考，甚至在某些地方留有开放性的讨论空间，这对于培养批判性思维和创新能力是非常有益的。我感觉自己不仅仅是在被动地接收信息，而是在与作者进行一场深度的思想交流，这种体验对于提升我的专业素养至关重要。

评分☆☆☆☆☆

不得不提的是，这本书的案例研究部分简直是精彩绝伦。作者精心挑选了多个具有代表性的实际应用场景，并详细剖析了其中涉及到的图像分析技术是如何被应用的。从医学影像的处理到工业缺陷检测，再到自动驾驶中的场景理解，每一个案例都写得详实而具体，让我看到了图像分析在现实世界中的巨大潜力。我尤其喜欢其中对算法原理在实际问题中如何选择和优化的讲解，这让我明白理论知识如何转化成解决实际问题的强大工具。通过这些生动的案例，我不仅巩固了书本上的知识，更对图像分析的实际应用有了更直观、更深刻的理解，这比单纯地记忆公式和算法要有效得多。

评分☆☆☆☆☆

翻开这本书，扑面而来的便是那份扎实而系统的知识体系。作者在内容编排上，循序渐进，从最基础的概念入手，逐步深入到复杂的理论和技术。我非常欣赏它在概念解释上的清晰度和精确性，没有含糊不清的表述，也没有故弄玄虚的术语堆砌。每一个重要的定义和原理，都配以恰当的比喻或者简单的示意图，使得即使是初学者也能快速理解。更重要的是，书中引用的案例和研究成果都非常具有代表性，能够帮助读者将抽象的理论与实际应用联系起来，从而更深刻地体会到图像分析的魅力和实际价值。它仿佛一位经验丰富的导师，耐心地引导着我一步步探索这个迷人的领域，让我感受到知识海洋的广阔，也激发了我进一步学习和研究的兴趣。

评分☆☆☆☆☆

这本书的装帧设计着实让人眼前一亮，封面采用了深邃的蓝色调，搭配着抽象但富有力量感的几何图形，给人一种专业、严谨又不失现代感的视觉冲击。纸张的质感也非常不错，厚实且带有微微的哑光，翻阅时手感温润，不易留下指纹。即使是印刷字体，也清晰锐利，排版疏朗有致，充分考虑到了长时间阅读的舒适度。我特别欣赏它在细节之处的用心，比如章节的划分和目录的清晰度，让我在查找特定内容时能够一目了然，极大地节省了宝贵的时间。书的整体尺寸也很适中，既方便携带，又不会显得过于笨重。我把它放在书架上，单是其外观就能为我的书房增添一份学术氛围。我坚信，一本优秀的书籍，它的封面设计和内在品质是相辅相成的，而这本书在这两方面都做得相当出色，预示着我将有一段愉快的阅读体验。

评分☆☆☆☆☆

上课教材，是正版，京东的物流很给力。

评分☆☆☆☆☆

挺不错。。。。。。。。。

评分☆☆☆☆☆

写的很详细很全面~~~

评分☆☆☆☆☆

讲述比较全面，细致，值得购买！

评分☆☆☆☆☆

暂时没有发现缺页等不良现象

评分☆☆☆☆☆

讲述比较全面，细致，值得购买！

评分☆☆☆☆☆

中国人写的，感觉想覆盖全，但每个知识点都不是很详细。

评分☆☆☆☆☆

中国人写的，感觉想覆盖全，但每个知识点都不是很详细。

评分☆☆☆☆☆

好书，有自己的见解！！！！！！