陳莉編著的《數字圖像處理算法研究》介紹了基
於空域和基於頻域的圖像增強算法，一階、二階圖像
邊緣檢測算法，提出了三階差分邊緣檢測算法；詳細
描述了基於閾值、區域生長、形態學分水嶺的圖像分
割算法結構，給出了算法實現代碼；詳細描述了基於
小波繫數處理的圖像去噪算法，基於小波繫數處理的
圖像銳化、鈍化算法；提出了基於小波變換的圖像增
強算法，設計了算法結構，給出了算法實現代碼及算
法處理效果圖。詳細描述了PCA人臉識別算法，提出
了基於稀疏差分和Mean—Shift濾波的Retinex人臉識
別算法。依據分數階微分數學理論，推導了用於圖像
增強及邊緣檢測的分數階微分模板；依據分數階積分
數學理論，推導出了用於圖像去噪的分數階積分模板
。提出了基於圖像復雜度的自適應分數階微分圖像增
強及邊緣檢測算法。提出了基於小波變換的分數階微
分圖像增強算法。
本書可作為信號處理、圖像處理、通信與信息工
程、自動控制和電力電氣領域廣大科研工作者從事科
學研究的參考用書。

前言
第1章 緒論
1.1 課題研究背景及意義
1.2 數字圖像處理算法研究現狀
1.2.1 數字圖像增強算法研究現狀
1.2.2 數字圖像邊緣檢測算法研究現狀
1.2.3 數字圖像分割算法研究現狀
1.2.4 小波變換在圖像處理中應用的研究現狀
1.2.5 人臉識別算法研究現狀
1.2.6 分數階微積分算法研究現狀
1.3 創新點
第2章 數字圖像增強算法
2.1 空域圖像增強算法
2.1.1 直接灰度變換算法
2.1.2 直方圖增強
2.1.3 空域濾波增強
2.2 頻域濾波增強算法
2.2.1 低通濾波器
2.2.2 高通濾波器
2.2.3 同態濾波器
2.3 圖像增強算法比較
第3章 數字圖像邊緣檢測算法
3.1 經典的邊緣檢測算法
3.1.1 一階微分的邊緣檢測算法
3.1.2 基於二階微分的邊緣檢測方法
3.2 邊緣檢測改進算法——三階差分邊緣檢測算法
3.2.1 三階差分濾波器模板繫數的推導
3.2.2 三階差分濾波器模板的構造
3.2.3 三階差分的圖像邊緣檢測運算
3.2.4 算法驗證及分析
3.3 邊緣檢測算法比較
第4章 數字圖像分割算法
4.1 基於區域的分割算法
4.1.1 區域生長法
4.1.2 區域分裂與合並法
4.2 閾值分割算法
4.2.1 直方圖雙峰法
4.2.2 *大類間方差法
4.2.3 迭代法
4.3 基於形態學分水嶺的分割算法
4.3.1 算法原理
4.3.2 分水嶺分割仿真實現
4.4 其他分割算法概述
4.4.1 邊緣檢測圖像分割
4.4.2 基於模型的圖像分割
4.4.3 基於人工智能的圖像分割
4.5 算法總結
第5章 基於小波理論的圖像處理算法
5.1 小波變換
5.1.1 小波函數
5.1.2 一維小波變換
5.1.3 二位小波函數
5.1.4 小波變換的多分辨率分析
5.1.5 Mallat算法
5.2 基於小波變換的圖像處理
5.2.1 圖像的小波分解及重構
5.2.2 基於小波變換的圖像非線性增強
5.2.3 基於小波變換的圖像鈍化
5.2.4 基於小波變換的圖像銳化
5.2.5 基於小波變換的圖像去噪
5.2.6 基於小波單支重構的圖像增強
第6章 人臉識別算法
6.1 PCA人臉識別算法
6.1.1 PCA的理論基礎
6.1.2 PCA人臉識別算法步驟
6.1.3 PCA算法實現
6.1.4 PCA方法的優點
6.2 基於稀疏差分和Mean—Shift濾波的Retinex算法在人臉識別中的應用
6.2.1 人臉圖像的稀疏表示
6.2.2 人臉光照的算法改進
6.2.3 算法仿真
6.3 算法總結
第7章 分數階微分圖像增強算法
7.1 Grumwald—Ietnikow分數階微分定義
7.1.1 Grumwald—letnikow數學表達式
7.1.2 分數階微分濾波器的構造
7.1.3 分數階微分的圖像增強運算
7.1.4 算法仿真
7.2 基於圖像復雜度的自適應分數階微分算法
7.2.1 算法理論依據
7.2.2 自適應分數階微分算法
7.2.3 仿真實驗
7.2.4 算法總結
第8章 基於小波變換的Grumwald—Ietnikow分數階微分算法
8.1 小波的分解及重構
8.1.1 二進正交變換（mallat算法）
8.1.2 圖像重構
8.2 基於Grumwald—letnikow的分數階微分算法
8.2.1 數學理論
8.2.2 數字圖像的分數階微分前向差分近似表達式及模板
8.2.3 分數階微分模板改進
8.2.4 基於小波變換的Grumwald—letnikow分數階微分算法設計
8.3 基於小波變換的Grumwald—letnikow分數階微分算法仿真
8.3.1 不同分階數下圖像增強效果
8.3.2 本文算法與分數階微分算法增強圖像比較
8.3.3 算法總結
第9章 分數階積分圖像去噪算法
9.1 分數階積分定義及頻率特性
9.1.1 分數階微積分Grumwald—letnikow定義
9.1.2 分數階積分頻率特性
9.2 分數階積分模板構造
9.2.1 圖像分數階積分處理的數學表達式
9.2.2 模板繫數的提取及模板構造
9.2.3 分數階積分去噪算法規則
9.3 分數階積分算法去噪效果
9.3.1 高斯噪聲下的算法去噪效果
9.3.2 乘性噪聲下的算法去噪效果
9.3.3 高斯噪聲下分數階積分算法與濾波去噪方法效果對比
9.3.4 乘性噪聲下分數階積分算法與濾波去噪方法效果對比
9.3.5 算法總結
**0章 車牌識別算法
10.1 車牌識別繫統的設計
10.1.1 設計原理
10.1.2 各模塊的實現
10.2 車牌識別算法驗證
10.2.1 算法程序
10.2.2 算法驗證結果
10.2.3 算法驗證結果分析
10.3 算法總結
參考文獻