3.1 背景知识 3.2 基本灰度变换 3.3 直方图处理 3.4 空间滤波基础 3.5 平滑空间滤波器 3.6 锐化空间滤波器 3.7 混合空间增强法

1 概率密度估计 2 直方图方法 3 Parzen 窗 4 K 近邻密度估计 k 近邻分类器

【机器学习】联合加权重构轨迹与直方图熵的异常行为检测

【机器感知与模式识别】基于投影直方图匹配的双目视觉跟踪算法编辑部

机器学习：累积方向-数量级光流梯度直方图的人体动作识别

3.4 MATLAB数字图像处理 3.5 图像的灰度变换与直方图 3.6 图像的增强滤波 3.7 图像的空间变换 3.8 图像边缘检测与分割

6.1 最大值和最小值 82 6.2 求和、乘积和差分 83 6.3 统计命令 85 6.4 排序 88 6.5 统计频数直方图和棒图 88 6.6 区域的三角分解 92 6.7 多边形分析 93

·描述性统计(Descriptive Statistics) ·算数平均值(Arithmetic Mean) ·中位值(Median) ·样本方差(Sample Variance) ·直方图(Histogram) ·概率质量函数(Probability Mass Function) ·正态分布(Normal Distribution) ·相关性(Correlation)

基于图像处理的方法，采用了由粗及精的瞳孔定位思想，提出了一种高精度的瞳孔定位算法。该算法首先利用瞳孔区域的直方图，采用改进的最大类间方差法自适应地分割瞳孔区域，实现粗略定位，然后利用瞳孔灰度的梯度特性来精确定位瞳孔边缘点，最后在像素级瞳孔边缘点的基础上，采用亚像素定位方法，更精确地求得亚像素级瞳孔边缘点，并通过椭圆拟合的方法来精确确定瞳孔的中心位置。另外，针对瞳孔被遮挡的情况，本文提出了一种等距离补偿瞳孔的方法。多次实验结果证明了该算法对遮挡瞳孔的定位有较强的鲁棒性，可以准确地定位瞳孔的位置

1. 熟悉并掌握本章基本概念、空间域图像增强的原理、方法及其特点； 2. 了解频率域图像增强的方法及其实现过程； 3.重点掌握直方图修正方法、特点及其应用；空间域平滑、锐化和彩色增强技术。 4.1图像增强的点运算 4.2 图像的空间域平滑 4.3 图像空间域锐化 4.4图像的频率域增强 4.5 彩色增强技术