1장 디지털 영상처리의 개요
1.1 디지털 영상처리란?
1.2 영상처리 기술들
1.3 영상처리 단계
1.4 디지털 영상처리 시스템
1.5 영상처리 응용분야

2장 디지털 영상
2.1 영상의 디지털화
2.1.1 1차원 신호의 디지털화
2.1.2 2차원 신호의 디지털화
2.1.3 동영상의 디지털화
2.2 디지털 영상의 종류
2.3 색모델(Color Model)
2.3.1 RGB(Red Green Blue) 색모델
2.3.2 CMY(Cyan Magenta Yellow) 색모델
2.3.3 HSI(Hue Saturation Intensity) 색모델
2.3.4 YIQ, YUV, YCbCr 색모델

3장 화소 점 처리
3.1 영상 대수
3.1.1 산술 연산
3.1.2 논리 연산
3.2 단일 영상의 화소 점 처리
3.2.1 영상 반전(Image Negative)
3.2.2 이진화(Binalization)
3.2.3 명암 대비 변환
3.2.4 로그 변환 (Log Transformation)
3.2.5 명암도 분할(Gray-Level Slicing)
3.2.6 중간 제거 및 통과
3.2.7 광도 보정
3.2.8 비트 플레인 분할(Bit Plane Slicing)
3.2.9 히스토그램(Histogram)
3.2.10 히스토그램 수평이동(Histogram Sliding)과 히스토그램 확장 (Histogram Stretching)
3.2.11 히스토그램 균등화(Histogram Equalization)
3.2.12 히스토그램 명세화(Histogram Specification)
3.3 다중 영상의 화소 점 처리
3.3.1 영상 결합(Image Combination)
3.3.2 영상 합성(Image Composition)

4장 화소 그룹 처리
4.1 필터와 컨볼루션
4.2 선형 공간 필터
4.2.1 저주파 통과 필터 (Lowpass Filter)
4.2.2 고주파 통과 필터 (Highpass Filter)
4.2.3 에지 검출(Edge Detection)
4.2.4 컬러 영상에 대한 선형 공간 필터 적용 방법
4.3 비선형 공간 필터
4.3.1 중간값 필터(Median Filter)
4.3.2 최소/최대 필터 (Min/Max Filter)

5장 기하학적 변환
5.1 기하학적 변환의 사상 방법
5.1.1 전방향 사상(Forward Mapping)
5.1.2 역방향 사상(Reverse Mapping)
5.2 기하학적 변환 종류
5.2.1 선형 기하학적 변환
5.2.2 비선형 기하학적 변환
5.3 재표본 추출
5.3.1 하향 표본 추출을 위한 저주파 통과 필터링
5.3.2 상향 표본 추출을 위한 화소 보간법

6장 영상 변환
6.1 푸리에 변환
6.1.1 주파수의 세계
6.1.2 푸리에 급수(Fourier Series)
6.1.3 이산 푸리에 변환(DFT: Discrete Fourier Transform)
6.1.4 푸리에 스펙트럼(Fourier Spectrum)
6.1.5 영상 스펙트럼
6.1.6 고속 푸리에 변환(FFT: Fast Fourier Transform)
6.1.7 주파수 영역에서의 필터
6.2 이산 코사인 변환
6.3 웨이블릿
6.3.1 웨이블릿이란?
6.3.2 연속 웨이블릿과 이산 웨이블릿
6.3.3 이산 척도구성함수와 다행상도 분석
6.3.4 필터 뱅크와 부대역 부호화
6.4 주성분 분석
6.5 허프 변환

7장 영상 복원
7.1 영상의 열화 모델
7.2 잡음 모델
7.3 공간 영역 필터 통한 잡음 제거
7.3.1 순위 필터(Order Filter)
7.3.2 평균 필터(Average Filter)
7.3.3 적응 필터(Adaptive Filter)
7.4 주파수 필터 통한 잡음 제거
7.4.1 대역 중지 필터(Band Reject Filter)
7.4.2 대역 통과 필터(Band Pass Filter)
7.5 열화 필터 통한 영상 복원
7.5.1 역필터(Inverse Filter)
7.5.2 워너 필터(Wiener Filter)

8장 수학적 형태학
8.1 기본 아이디어
8.1.1 이동(Translation)
8.1.2 반사(Reflection)
8.2 팽창과 침식
8.2.1 팽창(Dilation)
8.2.2 침식(Erosion)
8.2.3 팽창과 침식의 관계
8.3 열림과 닫힘
8.3.1 열림(Opening)
8.3.2 닫힘(Closing)
8.3.3 열림과 닫힘 사이의 관계
8.4 적중과 비적중 변환
8.5 형태학적 알고리즘들
8.5.1 영역 채움(Region Filling)
8.5.2 연결 요소들(Connected Components)의 추출
8.5.3 골격(Skeletonization)
8.6 명암도 형태학
8.6.1 명암도 팽창
8.6.2 명암도 침식
8.6.3 명암도 팽창과 침식의 관계
8.7 명암도 열림과 닫힘 및 응용

9장 영상 압축
9.1 정보 이론 및 평가 척도
9.2 무손실 부호화
9.2.1 가변 길이 부호화
9.2.2 연속 길이 부호화(RLC: Run-Length Coding)
9.2.3 사전 방식(Dictionary Technique)
9.2.4 무손실 예측 부호화(Lossless Predictive Coding)
9.3 손실 부호화
9.3.1 절단 부호화(Truncation Coding)
9.3.2 양자화 부호화(Quantization Coding)
9.3.3 손실 예측 부호화(Lossy Predictive Coding)
9.3.4 변환 부호화(Transform Coding)
9.3.5 부대역 부호화(Subband Coding)

10장 영상 분할
10.1 영상 분할 기본 개념
10.2 영상 분할 방법
10.2.1 입력 공간에서 군집화에 의한 방법
10.2.2 특징 공간에서 군집화에 의한 방법
10.2.3 에지를 이용한 영상 분할

11장 패턴 인식과 특징들
11.1 패턴과 인식과정
11.2 패턴 표현과 특징
11.2.1 외부적 특성으로의 표현
11.2.2 내부적 특성으로의 표현
11.2.3 질감(Texture)의 표현

12장 결정 함수
12.1 결정 함수 개요
12.2 선형 결정 함수
12.2.1 두 클래스 분리
12.2.2 다중 클래스(multiclass) 분리
12.3 일반화 결정 함수
12.4 최소 거리 분류기

13장 군집화
13.1 군집화 개요
13.2 계층적 군집화
13.2.1 응집형 군집화(Agglomerative Clustering)
13.2.2 분리형 군집화(Divisive Clustering)
13.3 분할 군집화
13.3.1 k 평균 알고리즘
13.3.2 Isodata 알고리즘

14장 통계적 분류기
14.1 통계적 식별 규칙
14.2 정규분포 패턴에 대한 식별 함수

15장 구조 해석적 패턴 인식
15.1 구문론적 패턴 인식 개요
15.2 형식 언어와 형식 문법
15.3 구문 해석
15.3.1 하향식 파싱(Top Down Parsing)
15.3.2 상향식 파싱(Bottom Up Parsing)
15.3.3 유한 오토마타(Finite Automata)
15.4 문법 추론

16장 신경망
16.1 인공 신경망 모델
16.2 신경망의 유형
16.2.1 단층/다층 신경망
16.2.2 순방향/순환 신경망
16.3 신경망의 활성화 함수253
16.3.1 항등 함수 및 경사 함수
16.3.2 계단 함수
16.3.3 시그모이드 함수
16.4 신경망 학습
16.4.1 단층 퍼셉트론 학습
16.4.2 최소제곱 오차 학습
16.4.3 오차 역전파 학습(Error back-propagation learning)
16.5 신경망 구조

17장 유전 알고리즘
17.1 유전 알고리즘
17.2 문제의 표현
17.3 선택 연산
17.4 교배 연산
17.5 변이 연산
17.6 대치 연산
17.7 최적화 문제와 목적 함수

찾아보기(Index)