基础篇

第1章 预备知识

1.1 生活中的信号分类

1.2 信号的读取和输出

1.2.1 音频信号的读取

1.2.2 图像读取

1.2.3 视频读取

1.3 案例1：图像的类型转换

第2章 频谱分析

2.1 引言

2.2 Fourier变换

2.2.1 基本性质和计算

2.2.2 由Fourier分析得到频谱特征

2.3 Gabor变换——窗口Fourier变换

2.3.1 基本性质和计算

2.3.2 Gabor变换下的平面频谱

2.4 连续小波变换

2.4.1 基本性质和计算

2.4.2 连续小波变换的频谱特征

2.5 离散小波变换

2.6 案例2：音频信号的频谱特征提取

第3章 小波分析

3.1 引言

3.2 多分辨率分析

3.2.1 概念解析

3.2.2 尺度函数和小波函数的关系——双尺度方程

3.2.3 滤波器本质

3.2.4 二维正交多分辨率分析

3.2.5 案例3：基本滤波器效果对比

3.3 小波函数构造

3.3.1 小波函数空间解析

3.3.2 小波函数的构造方法

3.3.3 案例4：紧支集小波构造

3.3.4 案例5：基本小波构造方法实现

3.4 Mallat算法

3.4.1 分解重构快速算法

3.4.2 初值的选取

3.4.3 多孔算法

3.4.4 案例6：分解和重构算法实现

3.4.5 案例7：信号的分解和重构

3.4.6 案例8：图像的分解和重构

3.5 双正交多分辨率分析

3.5.1 概念解析

3.5.2 双正交滤波器

3.5.3 双正交小波构造

3.5.4 双正交Mallat算法

3.5.5 案例9：双正交对称小波构造实现

应用篇

第4章 图像去噪

4.1 噪声概述

4.1.1 噪声分类

4.1.2 噪声特点

4.1.3 噪声模型的参数估计

4.1.4 图像相似度评价法

4.2 案例10：基于小波的去噪方法

4.2.1 模极大值去噪法

4.2.2 阈值去噪法

4.2.3 相关性去噪法

4.3 案例11：夜间照片的去噪

第5章 图像增强

5.1 图像分析

5.2 案例12：基于小波塔式分解的图像增强

5.3 案例13：基于离散小波变换的图像增强

5.4 案例14：图像放大

5.5 案例15：老照片图像的增强和放大

第6章 图像融合

6.1 图像分析——融合前处理

6.1.1 融合目的分析

6.1.2 图像大小调整

6.1.3 融合定位

6.2 案例16：基于小波分析的图像融合

6.2.1 图像小波融合的一般过程

6.2.2 融合决策函数

6.2.3 图像融合效果的定量评价

6.3 案例17：叶子多光谱图像融合

6.4 案例18：图像拼接融合

6.5 案例19：艺术照片制作

第7章 图像压缩

7.1 信息熵与压缩比

7.2 案例20：基于小波的图像压缩

7.2.1 小波系数分析

7.2.2 小波压缩过程和系数编码方式

7.2.3 基于小波系数4叉树结构的嵌入式零树小波编码

7.2.4 图像压缩实现

7.3 案例21：证件照片压缩

综合应用提高篇

第8章 数字水印

8.1 引言

8.2 数字水印载体和数字水印分析

8.2.1 熵信息计算

8.2.2 确定水印嵌入的位置

8.3 案例22：基于小波的水印嵌入算法和检测算法

8.3.1 DU方法

8.3.2 TU方法

8.3.3 带密钥的数字水印方法

8.4 案例23：水印鲁棒性检测

8.4.1 抗剪切性

8.4.2 抗旋转

8.4.3 抗重采样

8.4.4 其他检测方法

8.5 案例24：图像中加入音频水印

8.6 案例25：混沌序列置乱水印的鲁棒性攻击

第9章 心电信号小波特征提取和对应疾病识别

9.1 引言

9.2 心电信号的获取

9.3 案例26：心电信号去噪

9.4 案例27：心电信号特征提取和疾病识别

9.4.1 心律不齐、心动过缓与心动过速

9.4.2 R波时长与左心室肥大

9.4.3 Q波时长与心肌梗死

第10章 小偷体貌识别

10.1 引言

10.2 小偷定位

10.3 案例28：包的比对

10.4 案例29：小偷特征图像获取

10.4.1 去除遮挡

10.4.2 图像放大与增强

10.4.3 图像去噪

10.5 案例30：小偷身高呈现

参考文献