掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計(jì)算機(jī)等級(jí)考試最新真考題庫模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥65.3
加入購物車
圖像復(fù)原去噪技術(shù)與應(yīng)用――基于圖像塊先驗(yàn)建模的視角 版權(quán)信息
- ISBN：9787121460777
- 條形碼：9787121460777 ; 978-7-121-46077-7
- 裝幀：平塑
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
圖像復(fù)原去噪技術(shù)與應(yīng)用――基于圖像塊先驗(yàn)建模的視角 內(nèi)容簡(jiǎn)介
圖像復(fù)原去噪是從退化或損壞的圖像中恢復(fù)原始圖像的過程，該技術(shù)在醫(yī)學(xué)成像、衛(wèi)星成像、監(jiān)控系統(tǒng)、遙感影像等多個(gè)領(lǐng)域有廣泛的應(yīng)用。本書研究圖像復(fù)原去噪技術(shù)，基于多種圖像塊先驗(yàn)學(xué)習(xí)模型開展工作，分12章闡述主要研究成果。本書的重點(diǎn)是圖像建模的復(fù)原去噪，將圖像建模為符合某些先驗(yàn)分布的隨機(jī)變量，學(xué)習(xí)自然圖像的統(tǒng)計(jì)特征，然后利用優(yōu)選后驗(yàn)估計(jì)重構(gòu)退化圖像。其中，圖像先驗(yàn)是求解不適定圖像復(fù)原問題的關(guān)鍵，早期的圖像先驗(yàn)設(shè)計(jì)主要考慮圖像的整體物理特征進(jìn)行手工設(shè)計(jì)。近年來，研究人員的研究重點(diǎn)轉(zhuǎn)向從圖像塊的角度去構(gòu)建圖像先驗(yàn)，基于圖像塊先驗(yàn)特征提升圖像復(fù)原性能。圖像復(fù)原去噪研究的問題作為典型的不適定數(shù)學(xué)逆問題，對(duì)推動(dòng)問題驅(qū)動(dòng)的數(shù)學(xué)理論和方法的研究起到重要作用，同時(shí)對(duì)促進(jìn)數(shù)學(xué)與計(jì)算機(jī)科學(xué)、人工智能等領(lǐng)域的交叉融合及協(xié)同發(fā)展起到積極作用。本書的編寫突出科學(xué)性和實(shí)用性，可為數(shù)字圖像處理研究人員、計(jì)算機(jī)視覺研究人員及數(shù)字媒體終端技術(shù)研究人員提供參考。
圖像復(fù)原去噪技術(shù)與應(yīng)用――基于圖像塊先驗(yàn)建模的視角 目錄
第1章 緒論11．1 研究背景及意義11．2 研究現(xiàn)狀及發(fā)展趨勢(shì)31．2．1 空間域方法31．2．2 變換域方法71．3 存在的問題81．4 本書主要工作和創(chuàng)新點(diǎn)91．5 本書內(nèi)容安排12第2章 圖像去噪的理論基礎(chǔ)152．1 圖像處理中常見的噪聲152．1．1 加性噪聲152．1．2 乘性噪聲162．2 圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)172．2．1 主觀評(píng)價(jià)172．2．2 客觀評(píng)價(jià)182．3 圖像的方法噪聲192．4 本章小結(jié)20第3章 經(jīng)典圖像去噪方法213．1 非局部均值圖像去噪方法213．1．1 非局部均值去噪理論213．1．2 非局部均值去噪方法研究現(xiàn)狀223．2 基于先驗(yàn)信息的正則化去噪方法233．2．1 *大后驗(yàn)概率估計(jì)243．2．2 不同形式的正則化去噪方法243．3 本章小結(jié)29第4章 基于邊緣相似度的自適應(yīng)兩階段非局部均值去噪方法304．1 概述304．2 兩階段非局部均值去噪框架314．2．1 去噪過程324．2．2 圖像塊相似性度量334．2．3 抗噪的差分算子354．2．4 自適應(yīng)參數(shù)選擇方案374．3 實(shí)驗(yàn)結(jié)果與分析394．3．1 搜索窗口的設(shè)置394．3．2 去噪結(jié)果對(duì)比404．4 本章小結(jié)45第5章 基于梯度直方圖和非局部自相似先驗(yàn)的自適應(yīng)紋理保持去噪方法465．1 概述465．2 自適應(yīng)的紋理保持去噪框架495．2．1 滿足超拉普拉斯分布的梯度直方圖匹配先驗(yàn)505．2．2 非局部自相似（NSS）先驗(yàn)505．2．3 內(nèi)容自適應(yīng)的參數(shù)選擇515．3 求解去噪模型535．3．1 x-子問題535．3．2 s-子問題545．3．3 迭代直方圖匹配算法545．3．4 更新參數(shù)q和δ555．4 實(shí)驗(yàn)結(jié)果與分析565．4．1 參數(shù)設(shè)置565．4．2 與正則化去噪模型的比較565．4．3 與*新去噪方法的比較615．4．4 梯度保持性能635．4．5 運(yùn)行時(shí)間645．5 本章小結(jié)65第6章 基于SVD能量分布估計(jì)的低秩近似去噪方法666．1 概述666．2 基于SVD域的低秩近似去噪方法回顧――LRA-SVD方法676．3 基于能量分布估計(jì)的低秩去噪方法的問題描述686．3．1 邊緣信息輔助的圖像塊匹配686．3．2 真實(shí)信號(hào)能量分布估計(jì)696．3．3 噪聲方差約束的低秩矩陣近似716．3．4 加權(quán)組合726．3．5 迭代增強(qiáng)步驟726．4 實(shí)驗(yàn)結(jié)果與分析746．4．1 參數(shù)設(shè)置746．4．2 與代表性的方法比較746．4．3 與*新的去噪方法比較786．4．4 運(yùn)行時(shí)間806．5 本章小結(jié)81第7章 基于自適應(yīng)增強(qiáng)方法的低秩去噪方法827．1 概述827．2 迭代增強(qiáng)技術(shù)的研究現(xiàn)狀837．3 自適應(yīng)增強(qiáng)的低秩去噪方法847．3．1 自適應(yīng)增強(qiáng)的去噪框架857．3．2 *優(yōu)解分析857．3．3 收斂性分析887．3．4 自適應(yīng)的相似圖像塊搜索方案897．3．5 迭代停止準(zhǔn)則907．4 實(shí)驗(yàn)結(jié)果與分析937．4．1 參數(shù)設(shè)置937．4．2 去噪結(jié)果937．5 本章小結(jié)98第8章 基于結(jié)構(gòu)信息提取的低秩圖像去噪方法1008．1 概述1008．2 核維納濾波1018．3 基于結(jié)構(gòu)信息提取的低秩圖像去噪方法1018．3．1 結(jié)構(gòu)提取模型1028．3．2 相似圖像塊分組1038．3．3 基于低秩近似和核維納濾波的SEM*優(yōu)去噪模型1048．3．4 優(yōu)化算法1058．4 實(shí)驗(yàn)結(jié)果與分析1088．4．1 參數(shù)設(shè)置1088．4．2 去噪結(jié)果1108．4．3 運(yùn)行時(shí)間1178．5 本章小結(jié)118第9章 基于稀疏表示與奇異值分解的圖像細(xì)節(jié)保護(hù)去噪方法1199．1 概述1199．2 基于稀疏表示的去噪模型1209．3 圖像細(xì)節(jié)保護(hù)的去噪方法1229．3．1 圖像低頻信息恢復(fù)1229．3．2 圖像高頻信息恢復(fù)1239．3．3 圖像高頻成分和低頻成分的聚合1309．4 實(shí)驗(yàn)結(jié)果與分析1329．4．1 去噪性能比較1329．4．2 運(yùn)行時(shí)間比較1369．5 本章小結(jié)137第10章 基于增強(qiáng)低秩先驗(yàn)的兩階段圖像去噪方法13810．1 概述13810．2 兩階段增強(qiáng)低秩先驗(yàn)?zāi)Ｐ腿ピ敕椒?3910．2．1 第1階段：輪廓恢復(fù)13910．2．2 第2階段：細(xì)節(jié)恢復(fù)14110．3 實(shí)驗(yàn)結(jié)果與分析14810．3．1 參數(shù)設(shè)置14910．3．2 TSLR方法分析15010．3．3 與非深度學(xué)習(xí)方法的實(shí)驗(yàn)結(jié)果比較15110．3．4 與深度學(xué)習(xí)方法的實(shí)驗(yàn)結(jié)果比較15910．4 本章小結(jié)161第11章 基于四元數(shù)組稀疏的彩色圖像去噪方法16211．1 概述16211．2 彩色圖像四元數(shù)分析16311．2．1 四元數(shù)奇異值分解16311．2．2 離散四元數(shù)傅里葉變換16311．3 彩色圖像去噪方法16411．3．1 建立圖像塊組16411．3．2 四元數(shù)組稀疏模型16511．3．3 結(jié)合組稀疏與核維納濾波的四元數(shù)去噪模型16611．4 實(shí)驗(yàn)結(jié)果16711．5 本章小結(jié)169第12章 總結(jié)與展望17012．1 總結(jié)17012．2 展望172參考文獻(xiàn)174
展開全部
圖像復(fù)原去噪技術(shù)與應(yīng)用――基于圖像塊先驗(yàn)建模的視角 作者簡(jiǎn)介
范琳偉，博士，山東財(cái)經(jīng)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院副教授、碩士生導(dǎo)師、學(xué)院科學(xué)研究辦公室主任，山東省高等學(xué)校青創(chuàng)科技計(jì)劃團(tuán)隊(duì)帶頭人。主要研究領(lǐng)域?yàn)闄C(jī)器視覺、圖像處理等。主持國家自然科學(xué)基金項(xiàng)目1項(xiàng)、山東省自然科學(xué)基金項(xiàng)目1項(xiàng)、山東省高等學(xué)校青創(chuàng)科技計(jì)劃1項(xiàng)，并參與國家自然科學(xué)基金重點(diǎn)項(xiàng)目和省級(jí)重點(diǎn)研發(fā)計(jì)劃多項(xiàng)。發(fā)表SCI/EI學(xué)術(shù)論文30余篇，論文被引用500余次；授權(quán)發(fā)明專利5項(xiàng)。主講計(jì)算機(jī)圖形圖像基礎(chǔ)、圖形圖像綜合實(shí)踐等本科生與研究生課程。現(xiàn)主持教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目1項(xiàng)，參與山東省本科教學(xué)改革研究重點(diǎn)項(xiàng)目、教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目等3項(xiàng)。指導(dǎo)大學(xué)生競(jìng)賽獲國賽一等獎(jiǎng)、二等獎(jiǎng)各1項(xiàng)。
書友推薦
- >
有舍有得是人生
- >
李白與唐代文化
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
名家?guī)阕x魯迅:故事新編
- >
詩經(jīng)-先民的歌唱
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
姑媽的寶刀
本類暢銷
