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

單幅圖像複原技術

  • 作者：李進明|責編:杜軍
  • 出版社：電子工業
  • ISBN：9787121488849
  • 出版日期：2024/09/01
  • 裝幀：平裝
  • 頁數：169
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    圖像複原技術是數字圖像處理領域的重要研究方向之一，它涉及信號處理、數學建模、優化演算法等多個學科領域的交叉融合。通過研究圖像複原技術，可以深入探究圖像的本質特徵和規律，為圖像處理領域的其他研究提供基礎和支撐。該技術的應用已經擴展到了人們生活的各個領域，包括遙感偵測成像、醫學的CT和MRI、智能交通監控、HDTV、機器視覺及數字文化遺產的保護和修復等。本書的研究對象是面向單幅圖像超解析度重建和單幅圖像去噪這兩大任務的圖像複原技術。本書共7章，分別從正則化模型解決方案到深度學習模型解決方案闡述了作者多年來在圖像複原技術中的主要研究成果，介紹了這些解決方案背後的研究思想、模型及實驗分析結果。具體來講，本書涉及面向單幅圖像超解析度重建的稀疏表示模型、非局部Laplacian先驗、非局部自相似性先驗和低秩先驗的理論研究，以及基於深度學習理論的UNet模型在圖像去噪領域的理論研究，這些理論研究有效緩解了圖像複原這一逆問題的病態性。
    本書可供電腦科學與技術相關專業的本科生、研究生閱讀，也可作為高校和科研院所相關專業教學和科研人員的參考用書。
作者介紹
李進明|責編:杜軍
    李進明，重慶大學儀器科學與技術專業工學博士、菏澤學院副教授、臨沂大學碩士生導師。長期從事電腦視覺、圖像複原和人工智慧方向的科學研究及落地工作。參與多項國家級科研項目，主持並完成山東省自然科學基金項目，獲得多項市廳級科研獎勵，並在國際國內公開發表多篇SCI頂級期刊論文。此外，他還是中國電腦學會（CCF）會員、山東省人工智慧學會會員。
目錄
第1章  緒論
  1.1  圖像複原技術的研究背景及意義
  1.2  圖像複原技術的數學模型
  1.3  圖像複原技術之圖像解析度重建的研究現狀
  1.4  圖像複原技術之圖像去噪的研究現狀
  1.5  圖像複原技術之質量評指標
  1.6  本書的主要貢獻
  1.7  本書的結構組織安排
  1.8  本章小結
第2章  正則化稀疏表示的單幅圖像解析度重建方法
  2.1  相關工作分析
    2.1.1  傳統稀疏表示模型的理論基礎
    2.1.2  PCA字典構造
    2.1.3  的迭代收斂解法
    2.1.4  圖像固有的行和列先驗
  2.2  雙稀疏正則化稀疏表示模型
    2.2.1  聯合列與行先驗的稀疏表示模型
    2.2.2  字典選擇
  2.3  模型的化求解
  2.4  基於雙稀疏正則化稀疏表示模型的重建方法
  2.5  實驗結果與分析
    2.5.1  實驗環境及參數的設置
    2.5.2  無雜訊實驗
    2.5.3  雜訊實驗
    2.5.4  演算法參數的研究
    2.5.5  行非局自相似性正則項的有效性
    2.5.6  演算法的時間複雜度與收斂性能
  2.6  本章小結
第3章  稀疏表示聯合低秩約束的單幅圖像解析度重建方法
  3.1  相關工作分析
  3.2  基於低秩約束和非局自相似性稀疏表示模型
    3.2.1  低秩約束和非局自相似性
    3.2.2  字典選擇
  3.3  模型的化求解
  3.4  基於低秩約束和非局自相似性稀疏表示模型的重建方法
  3.5  實驗結果與分析
    3.5.1  實驗環境及參數的設置
    3.5.2  無雜訊實驗
    3.5.3  雜訊實驗
    3.5.4  演算法參數的研究
    3.5.5  低秩約束正則項的有效性
    3.5.6  演算法的收斂性能
    3.5.7  演算法複雜度分析
  3.6  本章小結
第4章  基於圖像成分的單幅圖像解析度重建方法
  4.1  相關工作分析
    4.1.1  傳統的聯合字典訓練的數學形式
    4.1.2  有效的稀疏編碼演算法
    4.1.3  局的可作核回歸
  4.2  基於全局非零梯度懲罰和非局Laplacian稀疏表示模型

    4.2.1  全局非零梯度懲罰模型重建HR邊緣成分圖像
    4.2.2  非局Laplacian稀疏表示模型重建HR紋理細節成分圖像
    4.2.3  全局和局化模型提高重建的初始圖像的質量
  4.3  基於全局非零梯度懲罰和非局Laplacian稀疏表示模型的重建方法
  4.4  實驗結果與分析
    4.4.1  實驗配置
    4.4.2  無雜訊實驗
    4.4.3  雜訊實驗
    4.4.4  演算法複雜度分析
  4.5  本章小結
第5章  基於廣義非局自相似性正則化稀疏表示的單幅圖像解析度重建方法
  5.1  相關工作分析
    5.1.1  基於稀疏表示的圖像重建框架
    5.1.2  列和行非局自相似性先驗
  5.2  自適應lg-范數約束的廣義非局自相似性稀疏表示模型
    5.2.1  稀疏表示係數雜訊的分佈
    5.2.2  自適應lg-范數約束的廣義非局自相似性正則項
  5.3  模型的化求解
    5.3.1  lg-范數問題
    5.3.2  lg-范數問題
  5.4  基於自適應lg-范數約束的廣義非局自相似性稀疏表示模型的重建演算法
  5.5  實驗結果與討論
    5.5.1  參數設置
    5.5.2  關鍵參數研究
    5.5.3  自適應lg-范數約束的廣義非局自相似性正則項的有效性
    5.5.4  雜訊圖像實驗
  5.6  本章小結
第6章  基於行非局幾何字典的單幅圖像解析度重建
  6.1  相關工作分析
    6.1.1  基於稀疏表示的單幅圖像解析度重建
    6.1.2  行局自相似性與列非局自相似性
  6.2  基於行非局幾何字典的稀疏表示模型
  6.3  圖像解析度重建框架
    6.3.1  聯合式行非局幾何字典訓練
    6.3.2  重建圖像
    6.3.3  非局正則化模型化圖像
    6.3.4  圖像重建演算法
  6.4  實驗結果與分析
    6.4.1  實驗配置
    6.4.2  參數配置
    6.4.3  行非局幾何字典的相關性分析
    6.4.4  與現有方法的對比
    6.4.5  耗時比較
  6.5  本章小結
第7章  基於UNet的圖像去噪
  7.1  相關工作分析
    7.1.1  圖像去噪相關工作
    7.1.2  UNet相關工作
  7.2  基於征塊合併提煉器嵌入UNet的圖像去噪方法
    7.2.1  征塊合併提煉器下採樣模塊

    7.2.2  征塊合併模塊
    7.2.3  子空間基向量學及投影
    7.2.4  GC塊模塊
  7.3  基於征塊合併提煉器嵌入UNet的圖像去噪模型
  7.4  損失函數
  7.5  實驗結果與分析
    7.5.1  訓練數據集和測試數據集
    7.5.2  實驗細節
    7.5.3  合成高斯雜訊實驗
    7.5.4  真實雜訊實驗
    7.5.5  消融實驗及討論
  7.6  本章小結
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