封面 书名页 前言 目录页 第1章 绪论 1.1 图像降噪技术的分类与发展 1.2 图像分割中的马尔可夫随机场方法综述 1.3 图像分割中的模糊C均值聚类方法综述 本章小结 参考文献 第2章 图像处理中数学问题的物理意义 2.1 概率论在图像处理中的物理意义 2.2 信息论在图像处理中的物理意义 2.3 随机过程在图像处理中的物理意义 2.4 图像处理中各种收敛模式之间的关系 2.5 各种收敛模式的物理意义在图像处理中的综合解释 2.6 图像处理中数学问题的应用举例与仿真 本章小结 参考文献 第3章 图像处理中统计模型的参数估计 3.1 引言 3.2 期望最大值算法基本原理 3.3 期望最大值算法研究历程 3.4 期望最大值算法的应用 3.5 期望最大值算法估计模型参数的有效性与精度 本章小结 参考文献 第4章 图像处理中的马尔可夫随机场模型 4.1 马尔可夫随机场的基本理论 4.2 小波域多分辨率马尔可夫随机场模型 4.3 马尔可夫随机场模型的邻域系统 4.4 EM算法在四叉树马尔可夫模型参数估计中的应用 本章小结 参考文献 第5章 小波域马尔可夫随机场在图像降噪中的应用 5.1 小波变换的特性 5.2 图像的小波变换 5.3 图像的小波系数统计分布 5.4 图像的边界延拓及仿真 5.5 图像降噪性能评价指标 5.6 加性高斯噪声的小波变换特性 5.7 基于小波系数维纳滤波器降噪 5.8 小波域隐马尔可夫模型在图像降噪中的应用 5.9 小波域马尔可夫收缩因子在图像降噪中的应用 本章小结 参考文献 第6章 空域马尔可夫随机场在图像分割中的应用 6.1 问题的提出 6.2 图像分割区域数确定准则及其仿真 6.3 实现图像分割的最优准则 6.4 改进的期望最大值算法估计模型的参数 6.5 基于图像层次模型的MAP准则分割 6.6 基于图像双随机场模型的MPM准则分割 本章小结 参考文献 第7章 小波域马尔可夫随机场在图像分割中的应用 7.1 引言 7.2 小波变换的塔式结构与小波系数的聚集特性 7.3 小波变换与马尔可夫随机场在图像分割中的应用 本章小结 参考文献 第8章 小波域模糊马尔可夫随机场在图像分割中的应用 8.1 模糊集合理论与图像的关系 8.2 模糊C均值算法 8.3 FCM算法使用的测度方式 8.4 空域多分辨率FCM图像分割算法 8.5 小波变换与模糊聚类算法在图像分割中的应用及仿真 8.6 小波域多分辨率FCM图像分割算法 8.7 模糊Possibilistic-C均值算法 8.8 PCM算法利用核函数作为测度 8.9 小波域多分辨率PCM图像分割算法 本章小结 参考文献 ..更多