灰色理论及其在图像工程中的应用PDF格式文档图书下载

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

查看更多关于灰色理论及其在图像工程中的应用的内容