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

模型和數據雙驅動的多波段圖像融合理論與方法(工業和信息化部十四五規劃專著)

  • 作者：藺素珍//李大威|責編:凌毅
  • 出版社：電子工業
  • ISBN：9787121452550
  • 出版日期：2023/03/01
  • 裝幀：平裝
  • 頁數：140
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書在總結多波段圖像融合的研究現狀、存在問題及發展趨勢的基礎上，提出了模型和數據雙驅動的多波段圖像融合概念、理論與方法。本書內容主要集中於模型和數據雙驅動的多波段圖像自適應分解重構方法、多波段圖像自適應融合規則構建方法、基於GAN的多波段圖像同步自適應融合方法、多波段圖像的同步超分與融合方法等8個方法，不僅實現了原圖像成像效果不理想情況下的高清融合，而且初步實現了人工神經網路設計的可預期性、可解釋性和可控性。
    本書可作為電腦視覺或電子信息處理專業研究生的教學參考用書，也可供相關領域的科研人員參考。
作者介紹
藺素珍//李大威|責編:凌毅
目錄
第1章  緒論
  1.1  多波段圖像融合的背景及意義
  1.2  多波段圖像融合的國內外研究現狀
    1.2.1  模型驅動的融合方法及其問題
    1.2.2  基於數據驅動的融合方法研究現狀
  1.3  多波段圖像融合存在的問題及解決思路
    1.3.1  存在的問題
    1.3.2  解決思路——雙驅動的圖像融合
  1.4  本書的研究思路和章節安排
    1.4.1  研究思路
    1.4.2  章節安排
  1.5  本章小結
  1.6  本章參考文獻
第2章  多波段圖像自適應融合關鍵技術
  2.1  概述
  2.2  圖像預處理
    2.2.1  圖像去噪
    2.2.2  圖像增強
  2.3  深度學習訓練數據集構建
    2.3.1  自適應分解重構網路訓練集構建
    2.3.2  自適應融合網路訓練集構建
    2.3.3  多波段圖像同步融合數據集構建
    2.3.4  紅外超分圖像數據集構建
  2.4  深度學習模型構建
    2.4.1  AE構建
    2.4.2  CNN構建
    2.4.3  殘差神經網路（ResNet)構建
    2.4.4  生成對抗網路（GAN）構建及其改進
    2.4.5  注意力機制
    2.4.6  編碼-解碼網路構建
    2.4.7  密集連接網路構建
  2.5  深度學習模型訓練方法
    2.5.1  反向傳播演算法
    2.5.2  模型訓練優化方法
  2.6  多波段圖像融合結果評價
    2.6.1  主觀評價
    2.6.2  客觀評價
  2.7  本章小結
  2.8  本章參考文獻
第3章  多波段圖像自適應分解重構方法
  3.1  概述
  3.2  研究思路
  3.3  自適應分解重構網路構建與訓練
    3.3.1  網路構建
    3.3.2  網路訓練
  3.4  消融實驗
    3.4.1  網路參數的影響與選擇
    3.4.2  學習率的影響與選擇
    3.4.3  堆疊個數的影響與選擇
    3.4.4  激活函數的影響與選擇

  3.5  實驗結果比較
    3.5.1  主觀評價
    3.5.2  客觀評價
  3.6  本章小結
  3.7  本章參考文獻
第4章  多波段圖像自適應融合規則構建方法
  4.1  概述
  4.2  研究思路
  4.3  自適應融合網路構建與訓練
    4.3.1  網路構建
    4.3.2  網路訓練
  4.4  消融實驗
    4.4.1  正則項係數的選擇與影響
    4.4.2  激活函數的選擇與影響
    4.4.3  附加項的影響
    4.4.4  網路層數及卷積核個數的影響
  4.5  實驗結果比較
    4.5.1  主觀評價
    4.5.2  客觀評價
  4.6  本章小結
  4.7  本章參考文獻
第5章  基於GAN的多波段圖像同步自適應融合方法
  5.1  概述
  5.2  研究思路
  5.3  網路構建與訓練
    5.3.1  網路構建
    5.3.2  網路訓練
  5.4  消融實驗
    5.4.1  學習率的影響
    5.4.2  梯度損失權重的影響
  5.5  實驗結果分析
    5.5.1  主觀評價
    5.5.2  客觀評價
  5.6  本章小結
  5.7  本章參考文獻
第6章  基於注意力機制的多波段圖像自適應融合方法
  6.1  概述
  6.2  研究思路
  6.3  注意力機制網路構建與訓練
    6.3.1  網路構建
    6.3.2  網路訓練
  6.4  消融實驗
    6.4.1  注意力機制的影響
    6.4.2  網路結構的影響
  6.5  實驗結果分析
    6.5.1  主觀評價
    6.5.2  客觀評價
  6.6  本章小結
  6.7  本章參考文獻
第7章  多波段圖像的MDGAN同步融合方法

  7.1  概述
  7.2  研究思路
  7.3  多波段圖像的MDGAN同步融合網路構建方法
    7.3.1  MDGAN網路結構
    7.3.2  多任務損失函數構建
  7.4  消融實驗
    7.4.1  反饋密集網路（FDN）的影響
    7.4.2  損失函數的影響
  7.5  實驗結果分析
    7.5.1  主觀評價
    7.5.2  客觀評價
  7.6  本章小結
  7.7  本章參考文獻
第8章  多波段圖像的多對比度超分融合方法
  8.1  概述
  8.2  研究思路
  8.3  多對比度超分融合網路構建方法
    8.3.1  多對比度超分融合網路結構
    8.3.2  多任務損失函數構建
  8.4  消融實驗
    8.4.1  紅外超分圖像的影響
    8.4.2  網路結構的影響
  8.5  實驗結果分析
    8.5.1  主觀評價
    8.5.2  客觀評價
  8.6  本章小結
  8.7  本章參考文獻
第9章  多波段圖像的WGAN-GPSR & Fusion同步超分與融合方法
  9.1  概述
  9.2  研究思路
  9.3  WGAN-GPSR & Fusion網路構建方法
    9.3.1  WGAN-GPSR & Fusion網路結構
    9.3.2  多任務損失函數構建
  9.4  消融實驗
    9.4.1  多任務損失函數的影響
    9.4.2  網路結構的影響
  9.5  實驗結果分析
    9.5.1  主觀評價
    9.5.2  客觀評價
  9.6  本章小結
  9.7  本章參考文獻
第10章  多波段圖像的DenseSR&Fusion同步超分與融合方法
  10.1  概述
  10.2  研究思路
  10.3  DenseSR & Fusion網路構建方法
    10.3.1  DenseSR & Fusion網路結構
    10.3.2  損失函數構建
  10.4  消融實驗
    10.4.1  局部遍歷運算元的影響
    10.4.2  SSIM損失的影響

  10.5  實驗結果分析
    10.5.1  主觀評價
    10.5.2  客觀評價
  10.6  本章小結
  10.7  本章參考文獻

  • 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