数字图像分析与模式识别

《数字图像分析与模式识别》主要内容分为五部分，第一部分（包括1-4章），主要介绍了图像处理与分析的基础理论与相关的MATLAB仿真的编程方法与部分M函数，并介绍了几种较新的变换技术，如Contourlet变换等。第二部分主要介绍图像分析的预处理过程（第5章），包括图像滤噪、边缘检测与图像分割，并给出了相关MATLAB仿真程序与结果，并介绍了图像预处理的研究现状与最新成果。第三部分主要介绍了图像的特征提取方法（第6章），包括基于边缘的特征提取、基于内容的特征提取、基于形状的特征提取与基于纹理结构的特征提取的典型方法与最新成果。第四部分主要介绍了特征的选择与优化算法（第七章），包括特征的预处理、PCA、ICA等线性方法、组合优化算法、（如模拟退火、遗传算法等）、基于统计假设检验的特征选择方法与ISOMAP等非线性降维方法。第五部分主要介绍了图像分析的模式识别与分类方法（第八、九章）有贝叶斯决策、线性分类、近邻算法、聚类算法、神经网络与支持向量机等，并给出了主要的MATLAB仿真程序。