同類熱銷排行榜

數字圖像預處理技術及應用

作者：王敏//周樹道|責編:閆悅
出版社：科學
ISBN：9787030687784

出版日期：2021/06/01
裝幀：平裝
頁數：231

人民幣：RMB 129 元售價：元

內容大鋼

本書是作者在多年進行圖像去噪、圖像增強、圖像融合和圖像複原等數字圖像預處理研究的基礎上撰寫而成的，系統地論述和分析圖像去噪、圖像增強、圖像融合和圖像複原的基礎理論與相關技術。全書共分12章，主要闡述若干種數字圖像去噪、增強、融合與複原預處理演算法，即基於小波域旋轉奇異值分解的圖像去噪演算法、基於小波域奇異值差值的圖像去噪演算法、基於分塊旋轉奇異值分解的圖像去噪演算法、基於人工魚群與粒子群優化的圖像增強演算法、基於突變粒子群優化的圖像增強演算法、基於亮度小波變換和顏色改善的圖像增強演算法、基於小波變換方向區域特徵的圖像融合演算法、基於刃邊函數和維納濾波的模糊圖像複原演算法、基於分塊奇異值的圖像複原去噪演算法、數字圖像預處理技術相關應用等。
本書可供信息與通信工程、電腦科學與技術、大氣科學、控制科學與工程、電子科學與技術、生物醫學工程等學科領域的高年級本科生、研究生、研究人員及工程技術人員參考使用。

作者介紹

王敏//周樹道|責編:閆悅

前言
第1章  緒論
  1.1  研究背景及意義
  1.2  數字圖像與數字圖像預處理概述
    1.2.1  數字圖像的概念
    1.2.2  數字圖像處理的概念及特點
    1.2.3  數字圖像預處理研究範疇與方法
  1.3  國內外研究現狀
    1.3.1  圖像去噪技術
    1.3.2  圖像增強技術
    1.3.3  圖像融合技術
    1.3.4  圖像複原技術
  1.4  數字圖像預處理技術應用領域
    1.4.1  航天和航空方面
    1.4.2  生物醫學工程方面
    1.4.3  工業和工程方面
    1.4.4  軍事公安方面
    1.4.5  文化藝術方面
    1.4.6  機器視覺
    1.4.7  視頻和多媒體系統
    1.4.8  電子商務
  1.5  本書的課題來源及組織結構
    1.5.1  本書的課題來源
    1.5.2  本書主要內容
  1.6  本章小結
第2章  基於小波域旋轉奇異值分解的圖像去噪演算法
  2.1  概述
  2.2  小波變換和奇異值分解的方向特性
    2.2.1  小波變換及其方向特性
    2.2.2  奇異值分解及其方向特性
  2.3  基於小波域旋轉奇異值分解與邊緣保留的圖像去噪演算法
    2.3.1  高頻子圖奇異值分解濾波
    2.3.2  去噪重構奇異值個數的確定
    2.3.3  高頻子圖像多方向邊緣提取
    2.3.4  演算法流程
    2.3.5  實驗模擬
  2.4  本章小結
第3章  基於小波域奇異值差值的圖像去噪演算法
  3.1  概述
  3.2  基於小波域奇異值差值建模的圖像去噪演算法
    3.2.1  奇異值差值特點
    3.2.2  演算法流程
    3.2.3  奇異值差值建模
    3.2.4  確定去噪奇異值
    3.2.5  實驗模擬
  3.3  本章小結
第4章  基於分塊旋轉奇異值分解的圖像去噪演算法
  4.1  概述
  4.2  圖像分塊旋轉SVD去噪
  4.3  基於自適應分塊旋轉的奇異值分解圖像去噪演算法

    4.3.1  自適應分塊SVD
    4.3.2  去噪重構奇異值個數的確定
    4.3.3  演算法流程
    4.3.4  實驗模擬
  4.4  本章小結
第5章  基於人工魚群與粒子群優化的圖像增強演算法
  5.1  概述
  5.2  圖像非線性增強
  5.3  人工魚群演算法及粒子群優化演算法
    5.3.1  人工魚群演算法
    5.3.2  粒子群優化演算法
  5.4  基於人工魚群與粒子群優化混合的圖像自適應增強演算法
    5.4.1  人工魚群及粒子群優化演算法各自的缺陷
    5.4.2  人工魚群與粒子群優化混合增強演算法
    5.4.3  實驗模擬
  5.5  本章小結
第6章  基於突變粒子群優化的圖像增強演算法
  6.1  概述
  6.2  基於突變粒子群優化演算法的圖像自適應增強演算法
    6.2.1  基本粒子群優化演算法
    6.2.2  突變粒子群優化演算法
    6.2.3  演算法流程
    6.2.4  實驗模擬
  6.3  本章小結
第7章  基於亮度小波變換和顏色改善的圖像增強演算法
  7.1  概述
  7.2  基於亮度小波變換和顏色改善的圖像去霧增強方法
    7.2.1  小波變換圖像增強方法
    7.2.2  圖像顏色改善方法
    7.2.3  演算法流程
    7.2.4  實驗模擬
  7.3  本章小結
第8章  基於小波變換方向區域特徵的圖像融合演算法
  8.1  概述
  8.2  小波變換圖像融合缺陷
    8.2.1  普通的低頻空間頻率融合缺陷
    8.2.2  單一的高頻能量或梯度融合缺陷
  8.3  基於小波變換方向區域能量與梯度的圖像融合演算法
    8.3.1  低頻融合規則
    8.3.2  高頻融合規則
    8.3.3  實驗模擬
  8.4  本章小結
第9章  基於刃邊函數和維納濾波的模糊圖像複原演算法
  9.1  概述
  9.2  點擴散函數估計
  9.3  基於刃邊函數和最優窗維納濾波的運動模糊圖像複原演算法
    9.3.1  最優窗維納濾波
    9.3.2  點擴散函數的確定
    9.3.3  演算法流程
    9.3.4  實驗模擬

  9.4  本章小結
第10章  基於分塊奇異值的圖像複原去噪演算法
  10.1  概述
  10.2  基於奇異值分解的點擴散函數估計
  10.3  基於分塊奇異值導數的圖像複原去噪演算法
    10.3.1  奇異值重構階數選取
    10.3.2  實驗模擬
  10.4  本章小結
第11章  數字圖像預處理技術的應用
  11.1  基於小波變換和改進的奇異值分解的人臉識別技術
    11.1.1  概述
    11.1.2  具體方法
    11.1.3  模擬實驗
    11.1.4  小結
  11.2  基於小波變換及形態學重構的SAR圖像邊緣檢測演算法
    11.2.1  概述
    11.2.2  具體方法
    11.2.3  模擬實驗
    11.2.4  小結
  11.3  基於飽和度和區域一致性的靜態水上物體分割演算法
    11.3.1  概述
    11.3.2  具體方法
    11.3.3  模擬分析
    11.3.4  小結
  11.4  基於灰度共生矩陣和小波紋理的SAR水面圖像分割演算法
    11.4.1  概述
    11.4.2  紋理特徵提取
    11.4.3  無監督分割演算法
    11.4.4  模擬實驗及結果分析
    11.4.5  小結
  11.5  基於城市GCP模板的遙感圖像幾何校正研究演算法
    11.5.1  概述
    11.5.2  遙感圖像幾何失真的原因
    11.5.3  原始影像的校正方法
    11.5.4  地面控制點模板
    11.5.5  本節演算法與實驗結果
    11.5.6  小結
  11.6  本章小結
第12章  總結與展望
  12.1  本書總結
  12.2  研究展望
參考文獻
彩圖

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

數字圖像預處理技術及應用