《图像灰色模型理论与算法》首先介绍了灰色系统理论概况及《图像灰色模型理论与算法》所用的灰色理论基础，然后从路面裂缝自动检测的问题入手，对灰色理论与路面图像处理的吻合性进行诠释和分析，并进一步讨论了灰色系统理论在路面图像处理中的应用与发展现状，*后从基于灰色序列算子的路面图像数据预处理技术、图像灰色模型(包括灰色图像关联度模型、图像灰熵模型、图像灰色预测模型)，以及灰色图像处理算法(包括灰色图像滤波算法、灰色图像对比度增强算法、灰色图像边缘检测算法)三个方面对灰色理论在图像处理领域的应用进行研究，附录给出了算法实现的MATLAB源程序核心代码。

目录
序
前言
章 灰理论基础 1
1.1 灰色系统理论概述 1
1.2 序列算子 2
1.3 灰色模型 5
1.3.1 灰色关联分析 5
1.3.2 灰熵理论 7
1.3.3 灰色预测模型 9
1.4 小结 11
第2章 路面图像灰色模型及其理论分析 13
2.1 路面图像处理的现实起源 13
2.2 路面图像裂缝检测与灰色图像处理算法的发展 15
2.2.1 路面图像裂缝检测算法 16
2.2.2 灰色关联分析在图像处理中的应用 21
2.2.3 熵理论在图像处理中的应用 24
2.2.4 灰色预测模型在图像处理中的应用 24
2.3 灰色系统理论与图像处理融合的理论分析 27
2.3.1 图像灰色模型 27
2.3.2 灰色系统理论用于路面图像处理的思路与实现 28
2.3.3 路面裂缝图像的灰色特性 31
2.3.4 路面图像处理算法中的灰性分析 33
2.3.5 灰色系统理论用于路面图像处理算法的可行性分析 34
2.4 小结 37
第3章 路面图像裂缝检测机理 38
3.1 路面自动检测系统概况 38
3.1.1 路面裂缝的起因分析 38
3.1.2 路面自动检测系统的产生与发展 39
3.1.3 路面自动检测的原理与过程 42
3.2 路面图像的预处理与分割 44
3.2.1 路面图像的滤波 44
3.2.2 路面图像的增强 45
3.2.3 路面图像的边缘检测 46
3.3 小结 47
第4章 基于序列算子的路面图像数据预处理技术 48
4.1 基于灰生成算子的数据修补技术 48
4.2 基于值域转换算子的数据变换技术 52
4.3 小结 53
第5章 图像灰色模型理论 54
5.1 灰色图像关联分析 54
5.2 灰色图像关联熵 57
5.3 灰色图像预测模型 58
5.4 小结 60
第6章 基于灰色系统理论的路面图像去噪算法 61
6.1 基于灰色图像关联度的路面图像加权均值滤波算法 61
6.1.1 传统的基于邓氏关联度的自适应均值滤波算法 62
6.1.2 基于灰关联中值滤波算法及其结果分析 64
6.1.3 改进算法的思想 65
6.1.4 改进算法的步骤 66
6.1.5 改进算法的结果及其分析 68
6.2 基于灰关联噪声自适应判别的路面图像去噪算法 75
6.2.1 基于灰色关联度的图像滤波算法 76
6.2.2 改进算法的思想 77
6.2.3 改进算法的步骤 77
6.2.4 改进算法的结果及其分析 80
6.3 基于灰熵的路面图像加权均值滤波算法 84
6.3.1 算法的思想和实现机理 85
6.3.2 算法的实现步骤 85
6.3.3 算法的结果及其分析 87
6.4 基于灰熵噪声判别的路面图像开关中值滤波算法 93
6.4.1 算法的思想 93
6.4.2 算法的步骤 94
6.4.3 算法的结果及分析 97
6.5 基于灰色预测模型的路面图像复合滤波算法 106
6.5.1 基于GM(1，1)模型的非线性滤波器 107
6.5.2 改进算法的思想 110
6.5.3 算法的具体步骤 110
6.5.4 算法的实现结果及其分析 113
6.6 小结 120
第7章 基于灰色系统理论的路面图像边缘检测算法 122
7.1 基于灰色关联分析的路面图像边缘检测算法 123
7.1.1 传统的基于灰色关联度的图像边缘检测算法 123
7.1.2 改进算法的思想 124
7.1.3 改进算法的步骤 124
7.1.4 改进算法的结果及其分析 127
7.2 基于灰关联熵阈值选取的路面图像边缘检测算法 128
7.2.1 算法的思想 129
7.2.2 算法的步骤 129
7.2.3 算法结果及其分析 131
7.3 基于局部纹理分析与灰熵判别的路面图像边缘检测算法 134
7.3.1 算法的主要思想 134
7.3.2 算法的步骤 134
7.3.3 算法的结果及其分析 138
7.4 基于GM(1，1，C)的路面图像边缘检测算法 140
7.4.1 算法的思想 141
7.4.2 算法的具体实现步骤 144
7.4.3 算法的实现结果及其分析 146
7.5 不同灰色预测模型在路面图像边缘检测中的应用与比较分析 148
7.5.1 算法的思想 148
7.5.2 算法的步骤和过程 149
7.5.3 算法的结果及其分析 152
7.6 小结 160
第8章 基于灰色系统理论的路面图像增强算法 162
8.1 基于灰色关联分析的路面图像局部对比度增强算法 162
8.1.1 传统的图像对比度增强算法 163
8.1.2 基于模糊对比度的图像增强算法 164
8.1.3 基于简化模糊对比度的图像增强算法 165
8.1.4 改进算法的思想 167
8.1.5 改进算法的步骤 169
8.1.6 改进算法的优点及其结果分析 171
8.2 基于灰色关联度增强指数的路面图像局部对比度增强算法 174
8.2.1 算法的思想 174
8.2.2 算法的步骤 175
8.2.3 算法的结果及其分析 176
8.3 基于灰熵增强指数的路面图像局部对比度增强算法 179
8.3.1 基于灰熵放大系数的模糊对比度增强算法 179
8.3.2 算法的思想 181
8.3.3 算法的实现步骤 181
8.3.4 算法的结果及其分析 183
8.4 基于灰熵边缘测度的路面图像模糊对比度增强算法 186
8.4.1 算法的思想 187
8.4.2 算法的步骤与结构 187
8.4.3 算法的仿真实验结果及其分析 190
8.5 基于GM(1，1)幂指数动态判决的路面图像对比度增强算法 192
8.5.1 算法的思想 193
8.5.2 算法步骤 193
8.5.3 算法的仿真实验结果及其分析 196
8.6 基于离散灰色预测模型多方向边缘判决的图像对比度增强算法 199
8.6.1 算法的思想 199
8.6.2 算法的步骤与过程 199
8.6.3 算法的结果及其分析 203
8.7 基于邻域向心预测的路面图像对比度增强算法 205
8.7.1 算法的思想 206
8.7.2 算法的具体步骤 207
8.7.3 算法的仿真实验结果及其分析 210
8.8 小结 213
第9章 若干值得进一步探讨的问题 214
参考文献 218
附录 主要章节算法实现的MATLAB源程序核心代码 231