中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
圖像超分辨率技術(shù)及其應(yīng)用 版權(quán)信息
- ISBN：9787118099560
- 條形碼：9787118099560 ; 978-7-118-09956-0
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
圖像超分辨率技術(shù)及其應(yīng)用 內(nèi)容簡介
《圖像超分辨率技術(shù)及其應(yīng)用》主要論述了圖像超分辨率技術(shù)，即從單幅或多幅低分辨率圖像獲取高分辨率圖像。盡管已有的圖像插值和超分辨技術(shù)的算法眾多．但仍需對此兩種技術(shù)建立統(tǒng)一聯(lián)系。《圖像超分辨率技術(shù)及其應(yīng)用》一書正是為實現(xiàn)此目的而出版，將圖像插值作為圖像超分辨率重建過程中的一個處理模塊對待。 《圖像超分辨率技術(shù)及其應(yīng)用》并不是將圖像插僮作為基于多項式問題或逆問題對待，而是對上述兩種技術(shù)進行比較分析。同時，書中論述了圖像超分辨率技術(shù)的兩個方向：有先驗知識的超分辨重建和盲超分辨率圖像重建技術(shù)。另外，書中也對圖像超分辨率技術(shù)的兩個補充步驟——圖像配準和圖像融合——進行了詳細討論。 對彩色圖像插值和插值技術(shù)在模式識別中的應(yīng)用技術(shù)進行了詳細討論。 對基于逆問題的圖像插值技術(shù)進行了分析。 介紹了圖像配準方法。 討論了圖像融合及其在圖像超分辨率技術(shù)中的應(yīng)用。 給出了仿真試驗結(jié)果及相應(yīng)的MATLAB？碼。 《圖像超分辨率技術(shù)及其應(yīng)用》涵蓋了圖像超分辨率技術(shù)及其應(yīng)用，并介紹了醫(yī)學(xué)和衛(wèi)星圖像超分辨率技術(shù)的具體應(yīng)用。用MATLAB編程實現(xiàn)了包括多項式圖像插值和自適應(yīng)多項式圖像插值技術(shù)在內(nèi)的多種圖像超分辨率技術(shù)。書中所討論的仿真代碼均在附錄中給出。
圖像超分辨率技術(shù)及其應(yīng)用 目錄
第1章 緒論
1.1 圖像插值
1.2 圖像超分辨率重建
第2章 多項式圖像插值
2.1 引言
2.2 經(jīng)典圖像插值算法
2.3 B樣條圖像插值
2.3.1 多項式樣條
2.3.2 B樣條類型
2.3.3 B樣條插值的數(shù)字濾波器實
2.4 O-MOMS插值法
2.5 Keys'（雙三次）插值
2.6 多項式圖像插值的問題
2.6.1 振鈴效應(yīng)
2.6.2 混疊效應(yīng)
2.6.3 塊效應(yīng)
2.6.4 模糊效應(yīng)
第3章 自適應(yīng)多項式圖像插值
3.1 引言
3.2 低分辨率圖像降質(zhì)模型
3.3 線性不變空間圖像插值
3.4 有偏距離圖像插值
3.5 權(quán)重圖像插值
3.6 迭代圖像插值
3.7 仿真實例
第4章 基于神經(jīng)網(wǎng)絡(luò)的多項式圖像插值
4.1 引言
4.2 ANN基礎(chǔ)知識
4.2.1 神經(jīng)元
4.2.2 層
4.2.3 連接
4.2.4 權(quán)重
4.2.5 激勵規(guī)則
4.2.6 激勵函數(shù)
4.2.7 輸出
4.2.8 學(xué)習(xí)規(guī)則
4.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.3.1 多層感知網(wǎng)絡(luò)
4.3.2 徑向基函數(shù)網(wǎng)絡(luò)
4.3.3 小波神經(jīng)網(wǎng)絡(luò)
4.3.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
4.4 訓(xùn)練算法
4.5 神經(jīng)網(wǎng)絡(luò)圖像插值
4.6 仿真試驗
第5章 彩色圖像插值
5.1 引言
5.2 色彩過濾陣列
5.2.1 白平衡
5.2.2 Beyer插值
5.3 拉普拉斯二階矯正的線性插值
5.4 自適應(yīng)彩色圖像插值
第6章 圖像插值在模式識別中的應(yīng)用
6.1 引言
6.2 倒頻譜模式識別技術(shù)
6.3 特征提取
6.3.1 MFCC系數(shù)計算
6.3.2 多項式系數(shù)
6.4 基于離散變換的特征提取
6.4.1 離散小波變換
6.4.2 離散余弦變換
6.4.3 離散正弦變換
6.5 基于人工神經(jīng)網(wǎng)絡(luò)的特征匹配
6.6 仿真實例
第7章 圖像插值逆問題
7.1 引言
7.2 自適應(yīng)*小二乘圖像插值
7.3 LMMSE圖像插值
7.4 *大熵圖像插值
7.5 正則化圖像插值
7.6 仿真試驗
7.7 紅外圖像的插值
第8章 圖像配準
8.1 引言
8.2 圖像配準的應(yīng)用
8.2.1 不同視角（多視角分析）
8.2.2 不同時間（多時相分析）
8.2.3 不同傳感器（多模型分析）
8.2.4 場景和模型的配準
8.3 圖像配準的步驟
8.3.1 特征檢測步驟
8.3.2 特征匹配步驟
8.3.3 變換模型估計
8.3.4 圖像重采樣和變換
8.4 圖像配準精度的估計
第9章 圖像融合
9.1 引言
9.2 圖像融合的目標
9.3 圖像融合的實現(xiàn)
9.4 像素級圖像融合
9.5 主元分析融合
9.6 小波融合
9.6.1 DWT融合
9.6.2 DWFT融合
9.7 曲波融合
9.7.1 子帶濾波
9.7.2 分割
9.7.3 脊波變換
9.8 IHS融合
9.9 高通濾波融合
9.10 格蘭施密特融合
9.11 衛(wèi)星圖像融合
9.12 MR和CT圖像融合
第10章 基于先驗知識的超分辨率重建
10.1 引言
10.2 多觀測LR降質(zhì)模型
10.3 基于小波的圖像超分辨率重建
10.4 簡化的多通道降質(zhì)模型
10.5 多通道圖像復(fù)原
10.5.1 多通道LMMSE復(fù)原
10.5.2 多通道*大熵復(fù)原
10.5.3 多通道正則化復(fù)原
10.6 仿真實例
第11章 無先驗知識的超分辨率重建
11.1 引言
11.2 問題描述
11.3 二維GCD算法
11.4 盲超分辨率重建方法
11.5 仿真試驗
附錄A 離散B樣條
附錄B 托普利茨一循環(huán)近似
附錄C 牛頓算法
附錄D MATLAB？代碼
參考文獻
索引
1.1 圖像插值
1.2 圖像超分辨率重建
第2章 多項式圖像插值
2.1 引言
2.2 經(jīng)典圖像插值算法
2.3 B樣條圖像插值
2.3.1 多項式樣條
2.3.2 B樣條類型
2.3.3 B樣條插值的數(shù)字濾波器實
2.4 O-MOMS插值法
2.5 Keys'（雙三次）插值
2.6 多項式圖像插值的問題
2.6.1 振鈴效應(yīng)
2.6.2 混疊效應(yīng)
2.6.3 塊效應(yīng)
2.6.4 模糊效應(yīng)
第3章 自適應(yīng)多項式圖像插值
3.1 引言
3.2 低分辨率圖像降質(zhì)模型
3.3 線性不變空間圖像插值
3.4 有偏距離圖像插值
3.5 權(quán)重圖像插值
3.6 迭代圖像插值
3.7 仿真實例
第4章 基于神經(jīng)網(wǎng)絡(luò)的多項式圖像插值
4.1 引言
4.2 ANN基礎(chǔ)知識
4.2.1 神經(jīng)元
4.2.2 層
4.2.3 連接
4.2.4 權(quán)重
4.2.5 激勵規(guī)則
4.2.6 激勵函數(shù)
4.2.7 輸出
4.2.8 學(xué)習(xí)規(guī)則
4.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.3.1 多層感知網(wǎng)絡(luò)
4.3.2 徑向基函數(shù)網(wǎng)絡(luò)
4.3.3 小波神經(jīng)網(wǎng)絡(luò)
4.3.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
4.4 訓(xùn)練算法
4.5 神經(jīng)網(wǎng)絡(luò)圖像插值
4.6 仿真試驗
第5章 彩色圖像插值
5.1 引言
5.2 色彩過濾陣列
5.2.1 白平衡
5.2.2 Beyer插值
5.3 拉普拉斯二階矯正的線性插值
5.4 自適應(yīng)彩色圖像插值
第6章 圖像插值在模式識別中的應(yīng)用
6.1 引言
6.2 倒頻譜模式識別技術(shù)
6.3 特征提取
6.3.1 MFCC系數(shù)計算
6.3.2 多項式系數(shù)
6.4 基于離散變換的特征提取
6.4.1 離散小波變換
6.4.2 離散余弦變換
6.4.3 離散正弦變換
6.5 基于人工神經(jīng)網(wǎng)絡(luò)的特征匹配
6.6 仿真實例
第7章 圖像插值逆問題
7.1 引言
7.2 自適應(yīng)*小二乘圖像插值
7.3 LMMSE圖像插值
7.4 *大熵圖像插值
7.5 正則化圖像插值
7.6 仿真試驗
7.7 紅外圖像的插值
第8章 圖像配準
8.1 引言
8.2 圖像配準的應(yīng)用
8.2.1 不同視角（多視角分析）
8.2.2 不同時間（多時相分析）
8.2.3 不同傳感器（多模型分析）
8.2.4 場景和模型的配準
8.3 圖像配準的步驟
8.3.1 特征檢測步驟
8.3.2 特征匹配步驟
8.3.3 變換模型估計
8.3.4 圖像重采樣和變換
8.4 圖像配準精度的估計
第9章 圖像融合
9.1 引言
9.2 圖像融合的目標
9.3 圖像融合的實現(xiàn)
9.4 像素級圖像融合
9.5 主元分析融合
9.6 小波融合
9.6.1 DWT融合
9.6.2 DWFT融合
9.7 曲波融合
9.7.1 子帶濾波
9.7.2 分割
9.7.3 脊波變換
9.8 IHS融合
9.9 高通濾波融合
9.10 格蘭施密特融合
9.11 衛(wèi)星圖像融合
9.12 MR和CT圖像融合
第10章 基于先驗知識的超分辨率重建
10.1 引言
10.2 多觀測LR降質(zhì)模型
10.3 基于小波的圖像超分辨率重建
10.4 簡化的多通道降質(zhì)模型
10.5 多通道圖像復(fù)原
10.5.1 多通道LMMSE復(fù)原
10.5.2 多通道*大熵復(fù)原
10.5.3 多通道正則化復(fù)原
10.6 仿真實例
第11章 無先驗知識的超分辨率重建
11.1 引言
11.2 問題描述
11.3 二維GCD算法
11.4 盲超分辨率重建方法
11.5 仿真試驗
附錄A 離散B樣條
附錄B 托普利茨一循環(huán)近似
附錄C 牛頓算法
附錄D MATLAB？代碼
參考文獻
索引
展開全部
圖像超分辨率技術(shù)及其應(yīng)用 作者簡介
Fathi E．Abd El-Samie，分別于1998年、2001年、2005年于埃及Menoufia大學(xué)獲得學(xué)士、碩士、博士學(xué)位。自2005年在電子通信學(xué)院任教，至今在國際會議及學(xué)術(shù)期刊發(fā)表學(xué)術(shù)論文160余篇。當(dāng)前研究領(lǐng)域為圖像增強、復(fù)原、插值，超分辨圖像重建，數(shù)據(jù)加密，多媒體通信技術(shù)，醫(yī)學(xué)圖像和光學(xué)信號處理以及數(shù)字通信等。Abd El-Samie博士在2008年獲得“數(shù)字信號處理”期刊的被引用最多論文獎。 Mohiy M．Hadhoud，分別于1976年、1981年于埃及Menoufia大學(xué)獲得學(xué)士、碩士學(xué)位，于1987年于Southampton大學(xué)獲得博士學(xué)位。1981-2001年于埃及Menoufia大學(xué)電子通信學(xué)院任教，目前為埃及Menoufia大學(xué)信息技術(shù)學(xué)院教授。 Mohiy M．Hadhoud博士已經(jīng)在國內(nèi)外學(xué)術(shù)期刊和會議上發(fā)表學(xué)術(shù)論文100余篇，當(dāng)前研究領(lǐng)域為自適應(yīng)信號及圖像處理，圖像增強、復(fù)原，超分辨圖像重建，數(shù)據(jù)加密及圖像色彩處理等。 Said E．E1．Khamy，1971年于馬薩諸塞大學(xué)阿默斯特分校（university of Massachusetts，Amherst）獲得博士學(xué)位，目前為埃及Alexandria大學(xué)電子工程學(xué)院教授。2000年9月-2003年9月任該學(xué)院院長。鑒于其學(xué)術(shù)水平，他在沙特阿拉伯、伊朗、黎巴嫩以及阿拉伯科技學(xué)院（AAST）任教。Said E．El-Khamy博士當(dāng)前研究領(lǐng)域為移動通信，不同介質(zhì)中的波傳播，智能天線陣列，圖像處理與水印，以及現(xiàn)代信號處理技術(shù)（神經(jīng)網(wǎng)絡(luò)、小波分析、遺傳算法、分形、HOS與模糊算法等）及其在圖像處理、通信系統(tǒng)、天線設(shè)計和波傳播中的應(yīng)用。至今為止已在國內(nèi)外學(xué)術(shù)期刊和會議上發(fā)表學(xué)術(shù)論文300余篇。
書友推薦
- >
朝聞道
- >
小考拉的故事-套裝共3冊
- >
經(jīng)典常談
- >
龍榆生：詞曲概論/大家小書
- >
推拿
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
李白與唐代文化
- >
山海經(jīng)
本類暢銷
