第1章 图像与视频处理基础

1.1 光的特性与光源

1.1.1 光的特性

1.1.2 光通量和发光强度

1.1.3 照度和亮度

1.2 彩色三要素与三基色原理

1.2.1 光的颜色与彩色三要素

1.2.2 三基色原理及应用

1.2.3 几种典型的颜色空间模型及转换关系

1.3 人眼的视觉特性

1.3.1 视觉光谱光视效率曲线

1.3.2 人眼的亮度感觉特性

1.3.3 人眼的分辨力与视觉惰性

1.4 图像信号的数字化

1.5 彩色模拟电视制式

1.5.1 NTSC制

1.5.2 PAL制

1.5.3 SECAM制

1.6 视频信号的数字化

1.6.1 ITU-R BT.601建议

1.6.2 ITU- R BT.709建议

1.6.3 ITU-R BT.2020建议

1.6.4 我国数字电视节目制作及交换用视频参数

1.7 MATLAB在数字图像与视频处理中的应用

1.7.1 MATLAB简介

1.7.2 MATLAB中图像与视频文件的基本操作

1.7.3 MATLAB编程实例

1.8 小结

1.9 习题

第2章 图像增强

2.1 引言

2.2 图像的灰度变换

2.2.1 灰度的线性变换

2.2.2 灰度的非线性变换

2.2.3 直方图修正

2.2.4 直方图规定化

2.3 图像平滑与去噪

2.3.1 模板操作和卷积运算

2.3.2 邻域平均法

2.3.3 中值滤波

2.3.4 基于非局部相似性的图像去噪

2.3.5 频率域低通滤波

2.3.6 基于稀疏表示的图像去噪

2.4 图像锐化

2.4.1 梯度运算（算子）

2.4.2 索贝尔（Sobel）算子

2.4.3 拉普拉斯（Laplacian）算子

2.4.4 频率域高通滤波

2.5 图像的同态滤波

2.6 基于Retinex理论的图像增强

2.7 彩色增强

2.7.1 伪彩色增强

2.7.2 假彩色增强

2.8 MATLAB编程实例

2.9 小结

2.10 习题

第3章 形态学图像处理

3.1 引言

3.1.1 数学形态学的发展简史和基本思想

3.1.2 集合论基础

3.1.3 数学形态学中的几个基本概念

3.2 二值形态学基本运算

3.2.1 腐蚀

3.2.2 膨胀

3.2.3 腐蚀运算与膨胀运算的对偶性

3.2.4 开运算

3.2.5 闭运算

3.3 二值图像的形态学处理

3.3.1 边缘提取

3.3.2 区域填充

3.3.3 骨架抽取

3.3.4 细化

3.3.5 粗化

3.3.6 形态滤波

3.4 灰度形态学基本运算

3.4.1 灰度腐蚀

3.4.2 灰度膨胀

3.4.3 灰度开运算与闭运算

3.5 灰度图像的形态学处理

3.5.1 形态学梯度

3.5.2 形态学平滑滤波

3.5.3 高帽变换

3.6 MATLAB编程实例

3.6.1 MATLAB中形态学基本运算函数

3.6.2 编程实例

3.7 小结

3.8 习题

第4章 图像分割

4.1 图像分割的概念及分类

4.1.1 图像分割的概念

4.1.2 图像分割的依据和方法分类

4.2 基于灰度阈值化的图像分割

4.2.1 阈值化分割的原理

4.2.2 全局阈值化分割法

4.2.3 局部阈值化分割法

4.3 基于边缘检测的图像分割

4.3.1 边缘检测的基本原理和步骤

4.3.2 梯度算子

4.3.3 拉普拉斯算子和LoG算子

4.3.4 Canny算子

4.3.5 边缘跟踪

4.4 基于区域的图像分割

4.4.1 区域生长法

4.4.2 区域分裂与合并法

4.5 基于主动轮廓模型的图像分割

4.5.1 参数主动轮廓模型

4.5.2 几何主动轮廓模型

4.6 MATLAB编程实例

4.7 小结

4.8 习题

第5章 数字图像与视频压缩编码原理

5.1 数字图像与视频压缩编码概述

5.1.1 数字图像与视频压缩的必要性和可能性

5.1.2 数字图像与视频压缩编码的主要方法及其分类

5.2 熵编码

5.2.1 图像的信源熵

5.2.2 游程编码

5.2.3 哈夫曼编码

5.2.4 算术编码

5.3 预测编码

5.3.1 图像差值信号的统计特性

5.3.2 帧内预测编码

5.3.3 帧间预测编码

5.4 变换编码

5.4.1 图像的频率域统计特性

5.4.2 变换编码的基本原理

5.4.3 正交变换基的选择

5.4.4 基于DCT的图像编码

5.5 MATLAB编程实例

5.6 小结

5.7 习题

第6章 数字图像与视频压缩编码标准

6.1 静止图像编码标准

6.1.1 JPEG标准概述

6.1.2 JPEG基本编码系统

6.1.3 基于DCT的渐进编码

6.1.4 分级编码

6.1.5 JPEG2000标准概述

6.1.6 JPEG2000标准的基本框架

6.1.7 JPEG2000的主要特点

6.2 数字视频编码标准概述

6.2.1 H.26x系列标准

6.2.2 MPEG-x系列标准

6.2.3 AVS和AVS＋标准

6.3 H.264/AVC视频编码标准

6.3.1 H.264/AVC视频编码器的分层结构

6.3.2 H.264/AVC中的预测编码

6.3.3 整数变换与量化

6.3.4 基于上下文的自适应熵编码

6.3.5 H.264/AVC中的SI/SP帧

6.3.6 H.264/AVC的其余特征

6.3.7 H.264/AVC的类和FRExt增加的关键算法

6.4 H.265/HEVC视频编码标准

6.4.1 H.265/HEVC视频编码原理

6.4.2 基于四叉树结构的编码单元划分

6.4.3 帧内预测

6.4.4 帧间预测

6.4.5 变换与量化

6.4.6 环路滤波

6.4.7 上下文自适应的熵编码

6.4.8 并行化处理

6.4.9 HEVC的语法和语义

6.4.10 HEVC的类、级和层

6.5 AVS与AVS＋视频编码标准

6.5.1 AVS1-P2

6.5.2 AVS1-P2与H.2 64的比较

6.5.3 AVS＋标准

6.6 MATLAB编程实例

6.7 小结

6.8 习题

第7章 图像和视频文件格式

7.1 资源交换文件格式

7.2 数字图像文件格式

7.2.1 位图和调色板的概念

7.2.2 图像文件的一般结构

7.2.3 BMP文件格式

7.2.4 GIF文件格式

7.2.5 JPEG文件交换格式

7.2.6 其他图像文件格式

7.3 常见的动画文件格式

7.3.1 FLI/FLC文件格式

7.3.2 SWF文件格式

7.4 数字视频文件格式

7.4.1 AVI文件格式

7.4.2 MPEG/MPG/DAT/DivX/XviD

7.5 流媒体文件格式

7.5.1 RealMedia文件格式

7.5.2 ASF文件格式

7.5.3 QuickTime（MOV）文件格式

7.5.4 FLV文件格式

7.5.5 其他流媒体文件格式

7.6 小结

7.7 习题

第8章 数字水印技术

8.1 数字水印概述

8.1.1 数字水印技术的产生背景和应用

8.1.2 数字水印的基本特征

8.1.3 数字水印系统的组成

8.1.4 数字水印的分类

8.2 数字图像水印算法

8.2.1 最低有效位方法

8.2.2 基于DCT域的方法

8.3 数字视频水印的嵌入和提取方案

8.3.1 基于未压缩的原始视频的水印方案

8.3.2 基于视频编码的水印方案

8.3.3 基于压缩视频码流的水印方案

8.4 水印的攻击方法和对策

8.4.1 简单攻击及对策

8.4.2 同步攻击及对策

8.4.3 排除攻击及对策

8.4.4 混淆攻击及对策

8.5 MATLAB编程实例

8.6 小结

8.7 习题

第9章 图像与视频的质量评价

9.1 常见的图像与视频失真类型

9.2 图像与视频质量的主观评价

9.2.1 对比敏感度与视觉掩盖效应

9.2.2 电视图像质量的主观评价方法

9.3 图像质量的客观评价

9.3.1 图像质量客观评价方法的分类

9.3.2 全参考图像质量评价

9.3.3 半参考图像质量评价

9.3.4 无参考图像质量评价

9.4 视频质量的客观评价

9.4.1 全参考视频质量评价

9.4.2 半参考视频质量评价

9.4.3 无参考视频质量评价

9.5 MATLAB编程实例

9.6 小结

9.7 习题

第10章 基于内容的图像和视频检索

10.1 基于内容检索技术概述

10.1.1 多媒体信息的内容

10.1.2 内容处理技术

10.1.3 基于内容检索的查询方式

10.1.4 基于内容检索系统的一般结构

10.1.5 基于内容的检索过程

10.1.6 基于内容检索的特点

10.2 基于内容的图像检索

10.2.1 基于内容的图像检索概述

10.2.2 图像颜色特征的提取与表示

10.2.3 图像纹理特征的提取与表示

10.2.4 图像形状特征的提取与表示

10.2.5 图像空间关系特征的提取与表示

10.2.6 图像的相似性度量

10.2.7 图像检索中的相关反馈机制

10.3 基于内容的视频检索

10.3.1 基于内容的视频检索概述

10.3.2 视频内容的结构化

10.3.3 基于内容的视频检索工作流程

10.3.4 基于内容的视频检索系统结构

10.3.5 镜头切换的基本概念

10.3.6 镜头边界检测

10.3.7 关键帧的提取

10.3.8 镜头聚类（场景检测）

10.4 小结

10.5 习题

第11章 图像识别

11.1 图像识别概述

11.2 统计学习方法

11.2.1 经验风险最小化

11.2.2 结构风险最小化

11.2.3 支持向量机

11.3 人工神经网络

11.3.1 人工神经元模型

11.3.2 前馈神经网络

11.3.3 Hopfield网络

11.3.4 卷积神经网络

11.4 基于LeNet网络的手写数字识别

11.5 MATLAB编程实例

11.6 小结

11.7 习题

附录 缩略语英汉对照

参考文献