掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥43.9
加入購(gòu)物車
自適應(yīng)圖像處理算法及應(yīng)用研究 版權(quán)信息
- ISBN：9787030629715
- 條形碼：9787030629715 ; 978-7-03-062971-5
- 裝幀：平裝膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
自適應(yīng)圖像處理算法及應(yīng)用研究 本書特色
圖像成為人們對(duì)事物進(jìn)行感知和認(rèn)識(shí)的基本方式。可是，日常生活中人們接觸或獲取的各類圖像一般都蘊(yùn)含較為復(fù)雜的信息。圖像處理算法尤其是自適應(yīng)圖像處理算法已成為圖像處理和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。《自適應(yīng)圖像處理算法及應(yīng)用研究》主要對(duì)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸?BEMD)、二維局域均值分解(BLMD)、深度學(xué)習(xí)及自適應(yīng)小波算法進(jìn)行研究和總結(jié)，使讀者可以快速了解和掌握**的圖像處理算法。主要內(nèi)容包括：傳統(tǒng)BEMD方法及相關(guān)理論基礎(chǔ)；BEMD插值算法和端部效應(yīng)消除算法；BEMD停止條件和模式混疊消除算法；BLMD算法；BEMD算法與BLMD算法的應(yīng)用研究；基于深度學(xué)習(xí)的應(yīng)用研究和基于自適應(yīng)小波的圖像加密應(yīng)用研究。
自適應(yīng)圖像處理算法及應(yīng)用研究 內(nèi)容簡(jiǎn)介
圖像成為人們對(duì)事物進(jìn)行感知和認(rèn)識(shí)的基本方式。可是，日常生活中人們接觸或獲取的各類圖像一般都蘊(yùn)含較為復(fù)雜的信息。圖像處理算法尤其是自適應(yīng)圖像處理算法已成為圖像處理和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。本書主要對(duì)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸狻⒍S局域均值分解、深度學(xué)習(xí)及自適應(yīng)小波算法進(jìn)行研究和總結(jié)，使讀者可以快速了解和掌握近期新的圖像處理算法。
自適應(yīng)圖像處理算法及應(yīng)用研究 目錄
目錄前言第1章 緒論 11.1 背景 11.2 BEMD理論國(guó)內(nèi)外研究現(xiàn)狀 41.2.1 插值方法及端部效應(yīng) 41.2.2 停止條件及模式混疊 61.3 圖像處理應(yīng)用現(xiàn)狀 71.3.1 圖像去噪 71.3.2 圖像特征提取 81.3.3 圖像融合 9第2章 傳統(tǒng)BEMD方法及相關(guān)理論基礎(chǔ) 142.1 引言 142.2 一維經(jīng)驗(yàn)?zāi)Ｊ椒纸?142.3 BEMD方法 152.3.1 基本原理 152.3.2 極值點(diǎn)提取方法 162.3.3 二維插值技術(shù) 172.3.4 BEMD方法存在的主要問(wèn)題 172.4 相關(guān)理論 192.4.1 支持向量機(jī)基本原理 192.4.2 粒子群算法基本原理 202.4.3 分形理論 212.4.4 鏡像閉合 27第3章 BEMD插值算法和端部效應(yīng)消除算法 293.1 基于分形理論的BEMD插值算法 293.1.1 一維布朗運(yùn)動(dòng) 293.1.2 分形布朗函數(shù) 303.1.3 圖像的分形特征 313.1.4 隨機(jī)中點(diǎn)位移法 313.1.5 基于分形理論的BEMD插值算法 323.1.6 BEMD算法插值的具體實(shí)現(xiàn)過(guò)程 343.2 分形插值參數(shù)粒子群優(yōu)化 353.3 BEMD算法分形粒子群插值實(shí)驗(yàn)分析 363.3.1 圖像質(zhì)量評(píng)價(jià) 363.3.2 實(shí)驗(yàn)分析 373.4 混沌粒子群優(yōu)化的自適應(yīng)支持向量機(jī)回歸模型 433.4.1 支持向量機(jī)回歸模型 433.4.2 混沌優(yōu)化 453.4.3 支持向量機(jī)參數(shù)自適應(yīng)混沌粒子群優(yōu)化步驟 453.5 端部鏡像閉合延拓 473.6 圖像信號(hào)回歸模型與外推延拓 473.7 自適應(yīng)支持向量機(jī)-鏡像閉合延拓的端部效應(yīng)處理計(jì)算步驟 483.8 消除端部效應(yīng)BEMD實(shí)例分析 48第4章 BEMD停止條件和模式混疊消除算法 554.1 BEMD停止條件問(wèn)題概述 554.2 BEMD過(guò)程極值點(diǎn)演化規(guī)律 564.3 基于零值平面投影不重合極值點(diǎn)數(shù)的BEMD停止條件 604.4 停止條件實(shí)例分析 604.4.1 實(shí)驗(yàn)一 604.4.2 實(shí)驗(yàn)二 624.5 基于自適應(yīng)噪聲輔助的抑制BEMD模式混疊方法 644.5.1 BEMD模式混疊問(wèn)題概述 644.5.2 基于自適應(yīng)噪聲輔助的抑制BEMD模式混疊方法 644.6 抑制BEMD模式混疊實(shí)例分析 65第5章 BLMD算法 695.1 一維局域均值分解回顧 695.2 極值譜的提取 715.3 基于分形理論的BLMD插值算法 725.3.1 圖像的分形特征 725.3.2 基于分形理論的BLMD插值算法 735.3.3 BLMD算法插值的具體實(shí)現(xiàn)過(guò)程 745.4 二維生產(chǎn)函數(shù)分量曲面的獲取 745.5 停止條件 755.6 BLMD算法計(jì)算過(guò)程 76第6章 BEMD算法與BLMD算法的應(yīng)用研究 786.1 自適應(yīng)BEMD算法基本原理 786.2 基于自適應(yīng)BEMD算法的圖像去噪 806.2.1 自適應(yīng)BEMD算法的圖像去噪 806.2.2 圖像去噪的步驟 806.3 基于自適應(yīng)BEMD算法圖像去噪實(shí)例分析 816.3.1 含高斯白噪聲圖像 816.3.2 含椒鹽噪聲圖像 836.3.3 含隨機(jī)噪聲圖像 846.3.4 實(shí)際井下環(huán)境圖像 856.3.5 分析與討論 876.4 GA-SIFT算法基本原理 896.4.1 尺度空間極值點(diǎn)提取 906.4.2 極值點(diǎn)準(zhǔn)確定位 906.4.3 特征點(diǎn)主方向確定 916.4.4 生成SIFT描述符并進(jìn)行特征匹配 926.4.5 參數(shù)遺傳算法尋優(yōu) 936.5 自適應(yīng)BEMD-GA-SIFT算法的圖像特征提取 946.6 自適應(yīng)BEMD分解多尺度協(xié)調(diào)與融合 956.6.1 自適應(yīng)BEMD分解過(guò)程多尺度協(xié)調(diào) 956.6.2 自適應(yīng)BEMD分解過(guò)程BEMF個(gè)數(shù)多尺度協(xié)調(diào) 956.6.3 基于自適應(yīng)BEMD的多尺度自協(xié)調(diào)圖像融合原理 966.7 基于自適應(yīng)BEMD-GA-SIFT算法圖像特征提取實(shí)例分析 976.7.1 實(shí)驗(yàn)一 976.7.2 實(shí)驗(yàn)二 996.7.3 實(shí)驗(yàn)三 1006.7.4 實(shí)測(cè)環(huán)境圖像實(shí)驗(yàn) 1056.8 基于自適應(yīng)BEMD的圖像融合實(shí)例分析 1076.8.1 實(shí)驗(yàn)一 1076.8.2 實(shí)驗(yàn)二 1086.8.3 實(shí)驗(yàn)三 1096.8.4 分析與討論 1106.9 基于自適應(yīng)BLMD-GA-SIFT的圖像特征提取算法 1116.10 基于自適應(yīng)BLMD-GA-SIFT算法的圖像特征提取實(shí)例分析 1126.10.1 實(shí)驗(yàn)一 1126.10.2 實(shí)驗(yàn)二 1156.10.3 實(shí)驗(yàn)三 116第7章 基于深度學(xué)習(xí)的應(yīng)用研究 1207.1 引言 1207.2 基于深度學(xué)習(xí)的時(shí)空特征學(xué)習(xí) 1227.2.1 視頻序列行為跟蹤 1237.2.2 視頻塊形狀特征 1237.2.3 多限制玻爾茲曼機(jī)神經(jīng)網(wǎng)絡(luò)層 1257.2.4 時(shí)空特征 1267.3 基于Maxout激活函數(shù)的模型參數(shù)自適應(yīng)初始化方法 1277.3.1 模型參數(shù)初始化方法 1277.3.2 基于Maxout激活函數(shù)的模型參數(shù)自適應(yīng)初始化方法 1277.4 基于SVM的行為識(shí)別分類器 1317.5 實(shí)例分析 1327.5.1 UCF Sports行為數(shù)據(jù)庫(kù) 1327.5.2 KTH行為數(shù)據(jù)庫(kù) 1367.5.3 sub-JHMDB行為數(shù)據(jù)庫(kù) 139第8章 基于自適應(yīng)小波的圖像加密應(yīng)用研究 1428.1 連續(xù)小波變換 1428.2 離散小波變換 1438.3 小波的多分辨率分析與Mallat算法 1438.3.1 小波的多分辨率分析 1448.3.2 Mallat算法 1468.4 基于提升的小波變換 1488.5 二維圖像小波變換 1498.6 加密方案設(shè)計(jì) 1508.7 基于提升算法的9/7小波變換 1528.8 提升小波變換的自適應(yīng)優(yōu)化 1538.9 混沌映射置亂低頻系數(shù) 1548.10 自適應(yīng)循環(huán)加密 1558.11 加密與解密算法實(shí)現(xiàn)步驟 1588.12 仿真實(shí)驗(yàn)結(jié)果及密鑰安全性分析 1608.12.1 SHA-1密鑰對(duì)明文圖像的敏感性分析 1618.12.2 統(tǒng)計(jì)特性分析 1628.12.3 密鑰空間分析 1678.12.4 密鑰敏感性分析 167參考文獻(xiàn) 168
展開全部
書友推薦
- >
李白與唐代文化
- >
月亮與六便士
- >
我從未如此眷戀人間
- >
月亮虎
- >
伯納黛特,你要去哪(2021新版)
- >
隨園食單
- >
名家?guī)阕x魯迅:朝花夕拾
- >
羅庸西南聯(lián)大授課錄
本類暢銷
