第1章 绪论

1.1人工智能

1.2数字图像处理

1.3数字图像识别

1.4本书架构

第2章 图像预处理

2.1引言

2.2数字图像去噪

2.2.1噪声模型

2.2.2利用空间滤波器去噪

2.2.3近几年提出的其他去噪算法

2.3图像锐化

2.3.1图像的微分

2.3.2拉普拉斯算子

2.3.3非锐化掩蔽和高提升滤波

2.4对比度增强

2.4.1直方图均衡

2.4.2指数变换

2.4.3对数变换

2.4.4灰度拉伸

2.5人脸检测

2.5.1简介

2.5.2人脸检测问题分类

2.5.3人脸模式的特征提取

2.5.4人脸模式的特征综合

2.5.5人脸检测总结

第3章 特征提取

3.1引言

3.2局部特征提取

3.2.1局部二值模式

3.2.2方向梯度直方图

3.2.3 SIFT

3.2.4 SURF

3.2.5 FAST

3.2.6 BRIEF

3.2.7 ORB

3.3全局特征提取

3.3.1颜色特征

3.3.2纹理特征

3.3.3形状特征

3.3.4深度学习

第4章 特征聚合

4.1引言

4.2词袋模型

4.2.1视觉词袋模型

4.2.2空间金字塔匹配

4.3 Fisher Vector

4.3.1 Fisher Kernel

4.3.2 Fisher Vector

4.4 VLAD

4.5合成稀疏模型

4.5.1合成稀疏模型理论

4.6分析稀疏模型

4.6.1分析稀疏模型介绍

第5章 模式识别中的分类理论

5.1线性分类模型

5.1.1判别函数

5.1.2概率生成模型

5.1.3概率判别模型

5.2支持向量机

5.2.1简介

5.2.2核方法

5.3神经网络

5.3.1 BP算法

5.3.2梯度消失

5.3.3卷积神经网络

第6章 实战演练

6.1基于HOG的行人检测

6.1.1整体流程

6.1.2实现源码

6.1.3 main.cpp

6.2 Robust Face Recognition via Sparse Representation

6.2.1核心思想介绍

6.2.2 SRC.m

6.3基于深度学习的图像识别

6.3.1 LeNet

6.3.2 LeNet的Caffe配置文件

参考文献