Amitava+Chatterjee等

基于計算智能的技術(shù)作為可行的、數(shù)學(xué)工具已經(jīng)有超過十年的時間，它們廣泛地應(yīng)用于許多系統(tǒng)和領(lǐng)域，諸如：信號處理、自動化控制、機(jī)器人學(xué)、電力系統(tǒng)等。圖像處理也吸引了眾多對基于計算智能的技術(shù)應(yīng)用感興趣的研究者，是一個很受關(guān)注的研究問題及現(xiàn)實(shí)問題。最初，大部分的研究工作，主要集中在發(fā)展常規(guī)模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和基于遺傳算法的解決方案上。隨著基于計算智能的很多分支技術(shù)的提出，有效地解決了涉及多維非線性數(shù)學(xué)問題中本質(zhì)的圖像處理問題。目前，基于計算智能的技術(shù)已經(jīng)成功地應(yīng)用于圖像處理中。

全書由4部分組成。第1部分 圖像預(yù)處理算法，包含第1-4章：1.基于2型神經(jīng)模糊技術(shù)的改進(jìn)數(shù)字圖像增強(qiáng)過濾器。本章系統(tǒng)地介紹了2-型神經(jīng)模糊系統(tǒng)在圖像增強(qiáng)中的應(yīng)用；2.采用PSO調(diào)諧區(qū)域均衡化的局部均衡圖像對比度增強(qiáng)。介紹了全局直方圖增強(qiáng)原理，處理過程與基于PSO參數(shù)優(yōu)化及其算法流程；3.基于模糊熵閾值的混合BBODE算法。介紹了模糊集理論與利用其進(jìn)行的圖像模型、三級閾值等概念，描述了基于生物地理學(xué)最優(yōu)化算法和改進(jìn)的差分生物地理學(xué)最優(yōu)化算法；4.一種圖像分割遺傳程序設(shè)計方法。以分類的角度看待圖像分割問題，利用遺傳程序設(shè)計方法進(jìn)行圖像分割，介紹了遺傳編程的思想及一些實(shí)驗(yàn)測試結(jié)果。

第2部分 圖像壓縮算法，包括第5-7章：5.基于模糊聚類矢量量化的圖像壓縮。介紹了現(xiàn)有模糊聚類的矢量量化技術(shù)概述，并提出了一個有效的模糊聚類的圖像壓縮算法；6.利用模糊變換進(jìn)行圖像圖層壓縮與重構(gòu)。本章討論了模糊矩陣表示圖像的原理，利用模糊變換與反模糊變換進(jìn)行圖像圖層壓縮與重構(gòu)；7.基于矢量量化圖像壓縮的改進(jìn)細(xì)菌覓食優(yōu)化技術(shù)。介紹了用于解決圖像壓縮中矢量量化問題的BFO算法，并提出了一種自適應(yīng)BFO算法。

第3部分 圖像分析算法，包括第8-12章：8.動態(tài)圖像序列中近似模板匹配的模糊條件敏感分層算法。討論了使用決策樹進(jìn)行動態(tài)圖像序列模板匹配的分層算法，利用模糊條件進(jìn)行精確匹配，介紹了該方法在不同情感狀態(tài)下人眼的模板匹配；9.壓縮圖像的模糊關(guān)系方程的壓縮數(shù)字水印字符串。描述了利用模糊關(guān)系方程的壓縮圖像的水印篡改檢測，介紹了采用嵌入不同二進(jìn)制水印的模糊關(guān)系矩陣方法；10.研究人腦圖像配準(zhǔn)過程中使用的互信息與進(jìn)化算法。介紹了醫(yī)學(xué)圖像配準(zhǔn)、感興趣區(qū)域提取方法及其處理過程，介紹了基于遺傳算法的搜索策略；11.隨機(jī)優(yōu)化算法在圖像檢索問題上的應(yīng)用；12.一個消除紅眼的基于聚類的推進(jìn)策略。討論了如何利用的格雷碼特征空間概念提升紅眼識別算法輔助分類器的功能。

第4部分 圖像推理算法，包括第13-15章：13.通過分形分析對前列腺的病理圖片進(jìn)行分類。介紹了使用分形維數(shù)與其他多類別特征結(jié)合對圖像進(jìn)行特征提??；14.多目標(biāo)粒子群算法的高光譜圖像聚類。介紹了該方法的原理及工作過程；15.一種從物體的唇部輪廓（LipContour）進(jìn)行情感識別的計算智能方法。

本書適合計算數(shù)學(xué)、計算智能、數(shù)字圖像處理等相關(guān)專業(yè)碩士研究生閱讀和參考，亦可作為對圖像處理中的計算智能研究感興趣的相關(guān)教師、工程師、研究人員以及其他專業(yè)學(xué)生的參考書。

張進(jìn)興，碩士研究生

（中國科學(xué)院空間科學(xué)與應(yīng)用研究中心）

Zhang Jinxing，Master

（National Space Science Center，CAS）endprint