本书通过对图像分析与识别新技术理论的研究，结合该领域国内外研究的发展现状，开展了对图像分析与识别新技术的应用研究。通过对相关案例进行分析，总结了图像分析与识别新技术的发展前景及相关技术手段。本书有助于广大读者更好地理解图像分析与识别新技术的相关知识，了解图像分析与识别新技术方面的发展现状。同时，本书并不囿于纯粹的理论知识介绍和技术研讨，而是从实践出发，用一系列案例引申出核心知识与技术，以便读者更加系统而综合地掌握图像分析与识别新技术的全貌，把握图像分析与识别新技术的全局。 本书不仅提供了丰富的参考文献，以方便读者进一步深入探索，还提供了大量图示和实例帮助读者学习、理解和应用。全书共8章，可分为两个部分：第一部分包括第1～2章，研究分析了图像分析与识别新技术的发展现状及相关理论；第二部分包括第3～8章，从多个方面对图像分析与识别新技术的应用开展了研究。第二部分的各章相对独立，读者可以根据自己的兴趣及实际情况选择学习。

第1章 图像分析与识别概述
1.1 图像识别概述
1.2 图像识别原理
1.3 图像识别应用
1.4 图像识别面临的问题
1.5 图像识别的发展阶段和趋势
第2章 图像预处理与边缘检测
2.1 图像预处理
2.2 图像滤波
2.3 图像形态学处理
2.4 图像的锐化
2.5 边缘检测
2.6 图像增强
第3章 不同遥感图像的融合与应用
3.1 案例背景
3.1.1 数据融合技术
3.1.2 不同遥感图像的特点
3.1.3 不同遥感图像融合及应用的意义
3.2 遥感图像融合效果评定方法的研究
3.2.1 主观融合效果评定法
3.2.2 客观融合效果评定法
3.2.3 实验分析
3.3 多源遥感图像的直接融合方法
3.3.1 遥感图像的预处理
3.3.2 灰度图像之间的融合方法
3.3.3 多光谱图像的融合方法
第4章 基于改进深度网络模型的棉花特征提取及分割方法研究
4.1 案例背景
4.1.1 研究背景及意义
4.1.2 国内外发展和研究现状
4.2 相关工作及数据集介绍
4.2.1 基于手工设计的特征提取算法
4.2.2 基于卷积神经网络的特征提取
4.2.3 实地棉田棉花图像数据集
4.3 基于多尺度融合的田间棉花特征提取
4.3.1 手工设计提取棉花特征
4.3.2 棉花深度卷积的特征提取
4.3.3 特征融合
4.3.4 实验结果及分析
第5章 面向火灾早期预警系统的研究
5.1 案例背景
5.1.1 研究背景及意义
5.1.2 国内外发展和研究现状
5.1.3 视频火灾检测技术的优势
5.2 烟雾图像的疑烟区识别
5.2.1 疑烟区的检测方法
5.2.2 图像滤波
5.2.3 图像形态学处理
5.3 烟雾的特征分析
5.3.1 颜色特征分析方法
5.3.2 小波变换特征分析
5.4 面向火灾早期预警的系统实现
5.4.1 算法评价指标
5.4.2 算法性能对比
5.4.3 算法时间及检测效果图
5.4.4 预警信号传输
第6章 基于PSO-LSSVM的金属表面缺陷检测分类方法研究
6.1 案例背景
6.1.1 案例背景及意义
6.1.2 金属缺陷检测技术的发展及研究现状
6.2 金属缺陷图像的去噪和Gabor滤波
6.2.1 金属缺陷类型
6.3 金属缺陷的特征提取及降维
6.3.1 特征类型
6.3.2 金属缺陷的特征提取
6.4 PSO一LSSVM的缺陷分类方法及优化
6.4.1 SVM
6.4.2 LSSVM
6.4.3 PSO算法及优化
6.4.4 实验结果分析
第7章 基于机器学习的图像边缘检测方法的研究与应用
7.1 案例背景
7.1.1 图像边缘检测的研究现状
7.1.2 图像边缘检测的研究意义
7.2 基于有监督学习图像处理的方法与原理
7.2.1 计算机视觉计算框架
7.2.2 有监督学习
7.2.3 图像特征提取技术
7.2.4 分类器训练算法
7.3 基于机器学习的边缘检测算法研究
7.3.1 训练数据样本的创建
7.3.2 特征选择
7.3.3 基于增强算法(Boosting)和决策树的强分类器的训练
7.3.4 实验结果
第8章 基于图像融合的目标识别与检测技术的应用研究
8.1 案例背景
8.1.1 目标识别研究意义
8.1.2 目标识别技术的研究现状及前景
8.2 遥感图像融合效果评价方法的研究
8.2.1 图像融合方法
8.2.2 主观融合效果评定法
8.2.3 客观融合效果评定法
8.2.4 实验分析
8.3 基于图像融合的目标识别与应用研究
8.3.1 产生融合图像
8.3.2 数学形态学及其图像检测算法
8.3.3 基于图像融合的目标检测及实验
参考文献