针对标准的FCM算法没有考虑像素的空间信息而对噪声比较敏感和没有考虑不同样本数据对聚类效果的不同影响的不足,提出了一种顾及像素空间信息的基于图像的灰度直方图加权的FCM聚类算法,它在Szilagyi等提出的算法基础上通过引入图像的灰度直方图加权对算法中的目标函数进行修改.对人工合成图像和真实图像的数值模拟结果均显示出该算法的优良性能

• 1. 图像退化/复原过程的模型 • 2. 图像噪声的空间和频率特性 • 3. 图像噪声参数的估计及空间滤波复原 • 4. 线性位置不变系统退化函数的估计 • 5. 逆滤波 • 6. 维纳滤波 • 7. 约束最小二乘滤波 • 8. L0 Regularized平滑滤波

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

• 图像结构 • 图像的空间变换 • 图像的亮度变换

◆图像的视觉感知 ◆图像的获取和表示 ◆像素的基本关系 ◆数字图像的基本运算

◆数字图像的基本概念 ◆数字图像的发展历史 ◆数字图像处理的研究内容 ◆图像处理技术应用

讲解内容： 1.图像分割的概念与方法分类 2.边缘检测 3.Hough变换检测法 4.区域分割 5.区域生长 6.分裂合并法 目的： 1.掌握图像分割的概念和边缘检测的原理与方法 2.掌握Hough变换检测直线原理,了解Hough变换检测曲线方法； 3.掌握最简单图像区域分割,了解区域生长和分裂合并法 7.1 概述 7.2 边缘检测算子 7.3 边缘跟踪 7.4 Hough变换检测法

◆9.1 图像匹配 ◆9.2 图像的分类 ◆9.3 图像识别 ◆9.4 要点总结

◆8.1 像素间的基本关系 ◆8.2 目标物边界的描述 ◆8.3 目标物的区域描述 ◆8.4 图像的几何特征 ◆8.5 图像的矩描述 ◆8.6 图像的纹理描述 ◆8.7 形态学在纹理描述中的应用

1. 图像压缩的概念、目的和意义 2. 图像的行程编码、霍夫曼编码方法 3.图像压缩的标准及发展现状