基于几何特征的图像处理与质量评价

1 (p1): 第1章 绪论
1 (p1-1): 1.1引言
1 (p1-2): 1.2图像处理历史的简要回顾
3 (p1-3): 1.3变换与稀疏表示
8 (p1-4): 1.4图像数据的几何结构特征
10 (p1-5): 1.5多尺度几何分析的发展历史
10 (p1-5-1): 1.5.1从傅里叶分析到小波
13 (p1-5-2): 1.5.2多尺度几何分析方法
15 (p1-6): 1.6本书内容安排
17 (p2): 第2章 视觉系统基本理论
17 (p2-1): 2.1视觉系统的基本结构及原理
17 (p2-1-1): 2.1.1人眼的生理结构
19 (p2-1-2): 2.1.2基本视觉信息
21 (p2-2): 2.2人眼视觉系统的感知机制
22 (p2-2-1): 2.2.1视网膜处理
23 (p2-2-2): 2.2.2外侧膝状体处理
25 (p2-2-3): 2.2.3初级视皮层处理
26 (p2-3): 2.3人眼视觉系统的生理特性
26 (p2-3-1): 2.3.1视觉非线性
28 (p2-3-2): 2.3.2多通道特性
30 (p2-3-3): 2.3.3掩蔽特性
32 (p2-3-4): 2.3.4对比度敏感
34 (p2-4): 2.4人眼视觉系统的心理特性
34 (p2-4-1): 2.4.1视觉注意机制
35 (p2-4-2): 2.4.2视觉信息分层次串行处理性质
35 (p2-4-3): 2.4.3视觉的心理学特性
36 (p2-5): 2.5小结
37 (p3): 第3章 几何正则图像的稀疏表示
37 (p3-1): 3.1几何正则图像的数学模型
37 (p3-1-1): 3.1.1 Holder条件与Holder空间
38 (p3-1-2): 3.1.2几何正则图像的定义
40 (p3-2): 3.2信号逼近基本理论
40 (p3-2-1): 3.2.1线性逼近
41 (p3-2-2): 3.2.2非线性逼近
42 (p3-3): 3.3几何正则图像稀疏表示的研究进展
43 (p3-4): 3.4傅里叶分析
43 (p3-4-1): 3.4.1傅里叶级数
44 (p3-4-2): 3.4.2傅里叶变换
44 (p3-5): 3.5小波分析
45 (p3-5-1): 3.5.1小波变换理论
48 (p3-5-2): 3.5.2小波近似性
50 (p3-5-3): 3.5.3小波方向选择性
51 (p3-6): 3.6多尺度几何分析
52 (p3-6-1): 3.6.1 Brushlet
53 (p3-6-2): 3.6.2 Ridgelet
53 (p3-6-3): 3.6.3 Curvelet
54 (p3-6-4): 3.6.4 Noiselet
54 (p3-6-5): 3.6.5 Bandelet
54 (p3-6-6): 3.6.6 Beamlet
55 (p3-6-7): 3.6.7 Contourlet
55 (p3-6-8): 3.6.8 Directionlet
57 (p4): 第4章 Contourlet变换及其应用
57 (p4-1): 4.1简介
58 (p4-2): 4.2离散域的滤波器重建
58 (p4-2-1): 4.2.1塔式紧框架
59 (p4-2-2): 4.2.2迭代方向滤波器
61 (p4-2-3): 4.2.3塔式方向滤波器组
62 (p4-3): 4.3 Contourlet多方向多尺度分析
62 (p4-3-1): 4.3.1多尺度分析
63 (p4-3-2): 4.3.2多方向分析
64 (p4-3-3): 4.3.3多尺度和多方向分析
65 (p4-4): 4.4 Contourlet近似
66 (p4-4-1): 4.4.1抛物线尺度
67 (p4-4-2): 4.4.2方向消失矩
68 (p4-4-3): 4.4.3二维间断光滑函数近似
69 (p4-5): 4.5基于Contourlet变换图像去噪
71 (p4-5-1): 4.5.1算法模型
72 (p4-5-2): 4.5.2数值实验
74 (p4-6): 4.6基于Contourlet变换图像增强
74 (p4-6-1): 4.6.1算法模型
75 (p4-6-2): 4.6.2数值实验
76 (p4-7): 4.7小结
77 (p5): 第5章 边缘导向图像压缩
78 (p5-1): 5.1图像压缩的主要方法
81 (p5-2): 5.2小波图像压缩及其不足
84 (p5-3): 5.3基于边缘导向的正交小波变换图像压缩
84 (p5-3-1): 5.3.1方向消失矩
85 (p5-3-2): 5.3.2方向提升格式
88 (p5-3-3):…