第一部分灰 色 理 论
第1章灰色理论概述
1.1灰色理论的产生及发展
1.2灰色理论的研究内容及特点
1.3灰色理论的基本原理
1.4代表著作及带动产生的交叉学科
参考文献
第2章灰色预测理论
2.1基本概念
2.2GM(1,1)预测模型
2.2.1GM(1,1)预测模型的建立
2.2.2GM(1,1)预测模型的性质及优点
2.2.3GM(1,1)预测模型的适用范围
2.3GM(1,1)预测模型的精度检验与提高
2.3.1常用的模型精度检验法
2.3.2提高预测精度的方法
2.4应用GM(1,1)预测模型的关键技术
参考文献
第3章灰色关联分析理论
3.1灰色关联分析
3.1.1灰色关联分析的含义
3.1.2灰色关联分析的主要步骤
3.1.3灰色关联分析前的准备工作
3.2邓氏关联度
3.2.1数学模型
3.2.2性质和特点
3.2.3邓氏关联度与相关系数的区别
3.2.4关于分辨系数的讨论
3.3新型灰色关联度
3.4灰色关联度之间的比较
3.4.1性能分析的内容
3.4.2关联度存在的问题
3.4.3部分关联度比较实例
3.5灰色关联矩阵
参考文献
第4章在图像工程中应用灰色理论的可行性与研究进展
4.1可行性分析
4.1.1数字图像是灰色系统
4.1.2二维图像数据的降维方法
4.2灰色理论在图像工程中的应用
4.2.1图像处理层次
4.2.2图像分析层次
4.2.3图像理解层次
4.3文献分布与相关专利
参考文献
第二部分灰色理论在图像处理中的应用
第5章基于简化B型关联度的近似二值图像抑噪技术
5.1图像抑噪概述
5.1.1噪声的分类
5.1.2常见的图像抑噪方法
5.2近似二值图像
5.2.1近似二值图像的定义
5.2.2近似二值图像抑噪的意义
5.3基于简化B型关联度的近似二值图像抑噪算法
5.3.1选取GRA模型
5.3.2算法描述
5.3.3实验与结果分析
参考文献
第6章基于空间域小样本灰关联的SAR图像增强技术
6.1SAR图像概述
6.2现有的SAR图像增强方法
6.2.1多视处理技术
6.2.2基于数字图像处理技术的增强
6.3灰色理论在图像增强中的应用
6.3.1基于GM(1,1)预测模型的图像增强
6.3.2基于灰色关联分析模型的图像增强
6.4基于邓氏关联度的SAR图像增强方法
6.4.1选取GRA模型
6.4.2算法描述
6.4.3实验与结果分析
6.5基于速率关联度的SAR图像增强改进方法
6.5.1选取GRA模型
6.5.2算法描述
6.5.3实验与结果分析
参考文献
第7章基于小波域结构灰关联的强噪声图像增强技术
7.1小波变换
7.2图像小波分解
7.3现有的小波域图像增强技术
7.3.1小波抑噪技术的发展
7.3.2常用的小波抑噪方法
7.4小波域图像结构分析
7.5基于小波域结构灰关联的强噪声图像增强算法
7.5.1选择GRA模型
7.5.2算法描述
7.5.3实验与结果分析
参考文献
第8章基于灰色关联矩阵的图像质量多尺度评价
8.1图像质量评价概述
8.1.1图像质量评价的研究意义
8.1.2现有的评价方法与特点
8.2HVS特性
8.3小波域图像质量多尺度灰评价算法
8.3.1小波域图像特征
8.3.2选取GRA模型
8.3.3算法描述
8.3.4实验与结果分析
8.4Curvelet变换
8.4.1主要步骤
8.4.2图像Curvelet变换实例
8.5Curvelet域的图像质量多尺度灰评价算法
8.5.1选取GRA模型
8.5.2算法描述
8.5.3实验与结果分析
参考文献
第9章基于灰色关联度的水印透明性评价
9.1水印透明性概述
9.2现有的水印透明性评价方法
9.2.1主观评价法
9.2.2客观评价法
9.2.3主客观结合的评价方法
9.3基于改进型关联度的水印透明性评价算法
9.3.1选取GRA模型
9.3.2算法描述
9.3.3实验与结果分析
9.4基于差分信息灰关联的水印透明性评价算法
9.4.1选取GRA模型
9.4.2算法描述
9.4.3实验与结果分析
参考文献
第10章基于分块特征灰关联的图像置乱效果评估
10.1图像置乱概述
10.2现有的图像置乱效果评价方法
10.2.1直接评价图像置乱效果
10.2.2间接评价图像置乱效果
10.2.3其他方法
10.3最优置乱图像的定义与分析
10.3.1最优置乱图像的定义及效果
10.3.2最优置乱图像特征分析
10.4基于子图直方图灰关联的图像置乱效果盲评价
10.4.1选择GRA模型
10.4.2算法描述
10.4.3实验与结果分析
10.5基于子图均值灰关联的图像置乱效果盲评价
10.5.1选择GRA模型
10.5.2算法描述
10.5.3实验与结果分析
参考文献
第三部分灰色理论在图像分析中的应用
第11章基于变权关联度的图像边缘检测技术
11.1边缘检测概述
11.2常见的边缘检测方法
11.2.1几种边缘检测算子
11.2.2性能分析
11.3灰色理论在图像边缘检测中的应用现状
11.3.1利用GM(1，1)预测模型检测图像边缘
11.3.2利用灰色关联分析模型检测图像边缘
11.4基于变权关联度的图像边缘检测算子
11.4.1选取GRA模型
11.4.2算法描述
11.4.3实验与结果分析
参考文献
第12章小样本灰关联在空间域图像分割中的应用
12.1图像分割概述
12.1.1图像分割的定义
12.1.2图像分割的分类
12.1.3阈值分割方法简述
12.1.4常见的阈值分割方法
12.2模糊理论
12.2.1模糊理论概述
12.2.2模糊理论在图像分割中的应用
12.3基于灰色模糊熵的快速图像分割方法
12.3.1模糊熵阈值分割
12.3.2灰色模糊熵
12.3.3算法描述
12.3.4实验与结果分析
12.4图论
12.4.1图的定义与表示
12.4.2图的划分
12.4.3图论在图像分割中的应用
12.5基于灰色图割的图像分割方法
12.5.1选取GRA模型
12.5.2算法描述
12.5.3实验与结果分析
参考文献
第13章灰概念及灰熵模型在快速图像分割中的应用
13.1熵在图像阈值分割中的应用
13.2小波域二维最大条件灰熵模型
13.2.1二维最大条件熵
13.2.2灰熵模型的建立
13.3基于灰熵模型和GA的快速图像分割方法
13.3.1GA简介
13.3.2算法描述
13.3.3实验与结果分析
13.4基于灰熵模型和PSO算法的快速图像分割方法
13.4.1PSO算法简介
13.4.2算法描述
13.4.3实验与结果分析
13.5基于改进灰熵模型和BFA的快速图像分割方法
13.5.1BFA简介
13.5.2算法描述
13.5.3实验与结果分析
参考文献
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
14.1图像分割性能评价概述
14.2图像分割性能评价技术
14.2.1分析法准则
14.2.2优度实验法准则
14.2.3差异实验法准则
14.3图像分割性能综合评价
14.4基于灰色聚类的图像分割性能评价
14.4.1灰色聚类
14.4.2算法描述
14.4.3实验与结果分析
14.5基于FD灰关联的图像分割性能评价
14.5.1FD灰关联模型
14.5.2算法描述
14.5.3实验与结果分析
参考文献
第四部分灰色理论在图像理解中的应用
第15章直方图灰关联在图像匹配中的应用
15.1图像匹配概述
15.1.1图像匹配的分类
15.1.2图像匹配的关键技术
15.1.3图像匹配的性能评价
15.2基于直方图灰关联的匹配目标函数设计
15.3基于ABC算法和空间域直方图灰关联的图像匹配方法
15.3.1ABC算法简介
15.3.2算法描述
15.3.3实验与结果分析
15.4基于AFS算法和小波域直方图灰关联的图像匹配方法
15.4.1AFS算法简介
15.4.2改进的AFS算法
15.4.3算法描述
15.4.4实验与结果分析
参考文献
第16章基于灰色评价与目标灰提取的图像融合技术
16.1图像融合概述
16.1.1图像融合的定义
16.1.2图像融合的分类
16.2现有的像素级图像融合方法
16.3协同机制下灰色竞争的图像融合方法
16.3.1问题的提出与基本设想
16.3.2算法描述
16.3.3实验与结果分析
16.4基于目标灰提取的红外与可见光图像融合方法
16.4.1问题的提出与基本设想
16.4.2红外目标灰提取技术
16.4.3算法描述
16.4.4实验与结果分析
参考文献
第17章定权关联度在图像融合性能评价中的应用
17.1图像融合性能评价概述
17.2融合性能指标的选择
17.3现有的融合性能评价指标
17.4基于定权关联度的图像融合性能评价方法
17.4.1问题的提出与基本设想
17.4.2选取GRA模型
17.4.3方法描述
17.4.4实验与结果分析
17.5新方法在SAR图像融合评价中的应用实例
17.5.1SAR图像融合方式
17.5.2SAR图像融合效果评价实例
参考文献
第五部分总结与展望
第18章总结与展望
18.1总结
18.2灰色理论用于图像信息处理时的关键技术
18.2.1灰色关联分析模型应用关键技术
18.2.2GM(1,1)预测模型应用关键技术
18.2.3灰色聚类应用关键技术
18.3展望
18.4结束语
参考文献
附录按年度排序的调研文献
