Statistical Image Processing Techniques for Noisy Images: An Application-Oriented Approach

تکنیک‌های پردازش آماری برای تصاویر پر سر و صدا یک چارچوب آماری برای طراحی الگوریتم‌هایی برای شناسایی، ردیابی، بخش‌بندی و طبقه‌بندی هدف (شناسایی) ارائه می‌دهد. هدف اصلی آن ارائه ابزارهای کارآمد به خواننده برای توسعه الگوریتم هایی است که برنامه های پردازش تصویر خود را حل می کند. به طور خاص، موضوعاتی مانند تشخیص مبتنی بر آزمون فرضیه، تقسیم‌بندی سریع کانتور فعال و طراحی الگوریتم برای سیستم‌های تصویربرداری غیر متعارف، از مبانی نظری تا پیاده‌سازی‌های عملی، به طور جامع مورد بررسی قرار می‌گیرند. این کتاب با تعداد زیادی تصویر و مثال های کاربردی، به عنوان یک کتاب درسی یا مرجع عالی برای دوره های ارشد یا کارشناسی ارشد در زمینه پردازش سیگنال/تصویر آماری و همچنین مرجعی برای محققان در زمینه های مرتبط است.

Statistical Processing Techniques for Noisy Images presents a statistical framework to design algorithms for target detection, tracking, segmentation and classification (identification). Its main goal is to provide the reader with efficient tools for developing algorithms that solve his/her own image processing applications. In particular, such topics as hypothesis test-based detection, fast active contour segmentation and algorithm design for non-conventional imaging systems are comprehensively treated, from theoretical foundations to practical implementations. With a large number of illustrations and practical examples, this book serves as an excellent textbook or reference book for senior or graduate level courses on statistical signal/image processing, as well as a reference for researchers in related fields.