幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

超解析度圖像視頻複原方法及應用

  • 作者：徐夢溪//楊芸|責編:王夏
  • 出版社：人民郵電
  • ISBN：9787115542465
  • 出版日期：2020/09/01
  • 裝幀：平裝
  • 頁數：206
人民幣：RMB 129 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    近年來，在工業成像檢測、視頻監控、衛星遙感和航空攝影測量、醫療成像診斷、視頻娛樂系統、拍照增強和數字高清等許多領域，超解析度圖像視頻複原技術（包括基於機器學習的技術）已成為解決領域應用問題和提升系統性能的重要技術手段。本書系統性介紹超解析度圖像視頻複原技術的有關概念、方法和應用，共分為9章，內容包括緒論、超解析度圖像視頻複原研究與進展、改進保真項與自適應雙邊全變分的正則化方法、基於像素流和時間特徵先驗的視頻超解析度方法、稀疏字典學習與超解析度複原、自適應稀疏表示結合正則化約束的超解析度方法、卷積神經網路與超解析度複原、ESPCN超解析度技術在車輛牌照識別中的應用和光流法結合ESPCN的視頻超解析度方法。
    本書內容新穎，理論聯繫實際，可作為電腦應用、電子信息工程、自動化、機械電子、儀器儀錶等相關專業的研究生和高年級本科生、科研人員、工程技術人員的參考書。
作者介紹
徐夢溪//楊芸|責編:王夏
目錄
第1章  緒論
  1.1  引言
  1.2  超解析度複原的概念
  1.3  超解析度複原方法分類
  1.4  超解析度複原質量的評價
  1.5  超解析度複原技術的應用
  參考文獻
第2章  超解析度圖像/視頻複原研究與進展
  2.1  基於重建的超解析度複原方法
    2.1.1  概述
    2.1.2  基於頻域的超解析度複原方法
    2.1.3  基於空域的超解析度複原方法
  2.2  基於學習的超解析度複原方法
    2.2.1  基於淺層學習的超解析度複原方法
    2.2.2  基於深度學習的超解析度複原方法
  2.3  視頻超解析度複原方法
  2.4  其他超解析度複原方法
  參考文獻
第3章  改進保真項與自適應雙邊全變分的正則化方法
  3.1  相關工作
  3.2  圖像觀測模型和代價函數
  3.3  Tukey范數構建保真項和權值自適應BTV正則化
    3.3.1  雙邊全變分（BTV）正則化項
    3.3.2  穩健估計與Tukey范數函數
    3.3.3  Tukey范數構建保真項結合權值自適應BTV正則化方法
  3.4  超解析度複原方法的性能評價
    3.4.1  標準測試圖像的超解析度實驗及演算法性能評價
    3.4.2  文本圖像的超解析度實驗及演算法性能評價
    3.4.3  水面近紅外圖像的超解析度實驗及演算法性能評價
    3.4.4  使用結構相似性SSIM指標的演算法性能評價
    3.4.5  遙感影像超解析度實驗及演算法性能評價
  參考文獻
第4章  基於像素流和時間特徵先驗的視頻超解析度方法
  4.1  基於視頻時間的超解析度問題描述
  4.2  空間模糊與運動模糊的形成機制
  4.3  像素流及退化降質過程建模
    4.3.1  關於像素流
    4.3.2  像素流退化降質過程建模
  4.4  時間特徵先驗作為解空間約束的像素流超解析度複原
    4.4.1  MAP估計框架下像素流超解析度複原的貝葉斯推理
    4.4.2  像素流與基於時間特徵先驗的建模
    4.4.3  像素流超解析度複原結果的估計
  4.5  基於像素流和時間特徵先驗建模的時空超解析度演算法
  4.6  超解析度複原演算法性能的評價
    4.6.1  不同演算法對測試視頻的實驗比較及性能評價
    4.6.2  不同演算法對真實視頻的實驗比較及性能評價
  參考文獻
第5章  稀疏字典學習與超解析度複原
  5.1  稀疏表示與稀疏字典學習
  5.2  基於稀疏表示的單幀圖像超解析度方法

    5.2.1  稀疏表示的局部模型與全局重構的約束增強
    5.2.2  學習字典對
  5.3  基於全局分析性稀疏先驗的超解析度方法
    5.3.1  相關工作
    5.3.2  基於全局分析性稀疏先驗的超解析度圖像複原
    5.3.3  演算法性能的評價
  參考文獻
第6章  自適應稀疏表示結合正則化約束的超解析度方法
  6.1  引言
  6.2  非局部自相似先驗的正則化技術策略
  6.3  自適應稀疏表示和改進的非局部自相似正則化項及SR演算法
    6.3.1  圖像塊幾何結構信息分析和自適應稀疏表示
    6.3.2  改進的非局部自相似正則化
    6.3.3  基於自適應稀疏表示結合改進的非局部自相似正則化演算法
  6.4  超解析度複原演算法性能的評價
    6.4.1  參數設置
    6.4.2  演算法對於不同訓練樣本集的穩健性實驗及性能評價
    6.4.3  無噪和加噪情況下的實驗及演算法性能評價
    6.4.4  重構計算效率評價
  參考文獻
第7章  卷積神經網路與超解析度複原
  7.1  卷積神經網路
    7.1.1  引言
    7.1.2  卷積神經網路基本原理
    7.1.3  前向傳播與反向傳播
  7.2  圖像/視頻樣本數據集
  7.3  基於卷積神經網路的超解析度複原
    7.3.1  基於深度的卷積神經網路的超分辨複原方法
    7.3.2  基於高效的亞像素卷積神經網路超解析度複原方法
    7.3.3  基於深度遞歸卷積網路的超解析度複原方法
  參考文獻
第8章  ESPCN超解析度技術在車輛牌照識別中的應用
  8.1  引言
  8.2  基於ESPCN的單幀車輛圖像超解析度複原
    8.2.1  構造車輛車輛牌照圖像數據集和訓練集及測試集
    8.2.2  單幀車輛圖像超解析度的ESPCN-VI模型
  8.3  車輛圖像超解析度複原演算法的性能評價
    8.3.1  使用常規定量指標的演算法性能評
    8.3.2  使用車輛牌照識別正確率指標的演算法性能評價
  參考文獻
第9章  光流法結合ESPCN的視頻超解析度方法
  9.1  關於光流法
  9.2  光流法幀間運動估計與ESPCN模型
    9.2.1  視頻超解析度複原過程
    9.2.2  光流法相鄰幀間運動估計結合ESPCN的模型結構
  9.3  視頻幀的超解析度性能評價與分析
    9.3.1  數據集及參數設置
    9.3.2  演算法性能的評價
  9.4  幀解析度與幀率的擴增
    9.4.1  視頻幀超解析度與插幀技術

    9.4.2  視頻超解析度實驗與分析
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032