《数字图像处理算法研究》介绍了基于空域和基于频域的图像增强算法，一阶、二阶图像边缘检测算法，提出了三阶差分边缘检测算法；详细描述了基于阂值、区域生长、形态学分水岭的图像分割算法结构，给出了算法实现代码；详细描述了基于小波系数处理的图像去噪算法，基于小波系数处理的图像锐化、钝化算法；提出了基于小波变换的图像增强算法，设计了算法结构，给出了算法实现代码及算法处理效果图。详细描述了PCA人脸识别算法，提出了基于稀疏差分和Mean-Shift滤波的Retinex人脸识别算法。依据分数阶微分数学理论，推导了用于图像增强及边缘检测的分数阶微分模板；依据分数阶积分数学理论，推导出了用于图像去噪的分数阶积分模板。提出了基于图像复杂度的自适应分数阶微分图像增强及边缘检测算法。提出了基于小波变换的分数阶微分图像增强算法。
　　《数字图像处理算法研究》可作为信号处理、图像处理、通信与信息工程、自动控制和电力电气领域广大科研工作者从事科学研究的参考用书。

前言
第1章 绪论
1．1 课题研究背景及意义
1．2 数字图像处理算法研究现状
1．2．1 数字图像增强算法研究现状
1．2．2 数字图像边缘检测算法研究现状
1．2．3 数字图像分割算法研究现状
1．2．4 小波变换在图像处理中应用的研究现状
1．2．5 人脸识别算法研究现状
1．2．6 分数阶微积分算法研究现状
1．3 创新点

第2章 数字图像增强算法
2．1 空域图像增强算法
2．1．1 直接灰度变换算法
2．1．2 直方图增强
2．1．3空域滤波增强
2．2 频域滤波增强算法
2．2．1 低通滤波器
2．2．2 高通滤波器
2．2 ．3 同态滤波器
2．3 图像增强算法比较

第3章 数字图像边缘检测算法
3．1 经典的边缘检测算法
3．1．1 一阶微分的边缘检测算法
3．1．2 基于二阶微分的边缘检测方法
3．2 边缘检测改进算法——三阶差分边缘检测算法
3．2．1 三阶差分滤波器模板系数的推导
3．2．2 三阶差分滤波器模板的构造
3．2．3三阶差分的图像边缘检测运算
3．2．4 算法验证及分析
3．3 边缘检测算法比较

第4章 数字图像分割算法
4．1 基于区域的分割算法
4．1．1 区域生长法
4．1．2 区域分裂与合并法
4．2 阈值分割算法
4．2．1 直方图双峰法
4．2．2 最大类间方差法
4．2．3 迭代法
4．3 基于形态学分水岭的分割算法
4．3．1 算法原理
4．3．2 分水岭分割仿真实现
4．4 其他分割算法概述
4．4．1 边缘检测图像分割
4．4．2 基于模型的图像分割
4．4．3 基于人工智能的图像分割
4．5 算法总结

第5章 基于小波理论的图像处理算法
5．1 小波变换
5．1．1 小波函数
5．1．2 一维小波变换
5．1．3 二位小波函数
5．1．4 小波变换的多分辨率分析
5．1．5 Mallat算法
5．2 基于小波变换的图像处理
5．2．1 图像的小波分解及重构
5．2．2 基于小波变换的图像非线性增强
5．2．3基于小波变换的图像钝化
5．2．4 基于小波变换的图像锐化
5．2．5 基于小波变换的图像去噪
5．2．6 基于小波单支重构的图像增强

第6章 人脸识别算法
6．1 PCA人脸识别算法
6．1．1 PCA的理论基础
6．1．2 PCA人脸识别算法步骤
6．1．3 PCA算法实现
6．1．4 PCA方法的优点
6．2 基于稀疏差分和Mearl-Shm滤波的Retinex算法在人脸识别中的应用
6．2．1 人脸图像的稀疏表示
6．2．2人脸光照的算法改进
6．2．3 算法仿真
6．3 算法总结
……

第7章 分数阶微分图像增强算法
第8章 基于小波变换的Grumald-letnikow分数阶微分算法
第9章 分数阶积分图像去噪算法
第10章 车牌识别算法
参考文献