中圖網小程序
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高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
圖像復原去噪技術與應用――基于圖像塊先驗建模的視角 版權信息
- ISBN：9787121460777
- 條形碼：9787121460777 ; 978-7-121-46077-7
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
圖像復原去噪技術與應用――基于圖像塊先驗建模的視角 內容簡介
圖像復原去噪是從退化或損壞的圖像中恢復原始圖像的過程，該技術在醫學成像、衛星成像、監控系統、遙感影像等多個領域有廣泛的應用。本書研究圖像復原去噪技術，基于多種圖像塊先驗學習模型開展工作，分12章闡述主要研究成果。本書的重點是圖像建模的復原去噪，將圖像建模為符合某些先驗分布的隨機變量，學習自然圖像的統計特征，然后利用優選后驗估計重構退化圖像。其中，圖像先驗是求解不適定圖像復原問題的關鍵，早期的圖像先驗設計主要考慮圖像的整體物理特征進行手工設計。近年來，研究人員的研究重點轉向從圖像塊的角度去構建圖像先驗，基于圖像塊先驗特征提升圖像復原性能。圖像復原去噪研究的問題作為典型的不適定數學逆問題，對推動問題驅動的數學理論和方法的研究起到重要作用，同時對促進數學與計算機科學、人工智能等領域的交叉融合及協同發展起到積極作用。本書的編寫突出科學性和實用性，可為數字圖像處理研究人員、計算機視覺研究人員及數字媒體終端技術研究人員提供參考。
圖像復原去噪技術與應用――基于圖像塊先驗建模的視角 目錄
第1章 緒論11．1 研究背景及意義11．2 研究現狀及發展趨勢31．2．1 空間域方法31．2．2 變換域方法71．3 存在的問題81．4 本書主要工作和創新點91．5 本書內容安排12第2章 圖像去噪的理論基礎152．1 圖像處理中常見的噪聲152．1．1 加性噪聲152．1．2 乘性噪聲162．2 圖像質量評價標準172．2．1 主觀評價172．2．2 客觀評價182．3 圖像的方法噪聲192．4 本章小結20第3章 經典圖像去噪方法213．1 非局部均值圖像去噪方法213．1．1 非局部均值去噪理論213．1．2 非局部均值去噪方法研究現狀223．2 基于先驗信息的正則化去噪方法233．2．1 *大后驗概率估計243．2．2 不同形式的正則化去噪方法243．3 本章小結29第4章 基于邊緣相似度的自適應兩階段非局部均值去噪方法304．1 概述304．2 兩階段非局部均值去噪框架314．2．1 去噪過程324．2．2 圖像塊相似性度量334．2．3 抗噪的差分算子354．2．4 自適應參數選擇方案374．3 實驗結果與分析394．3．1 搜索窗口的設置394．3．2 去噪結果對比404．4 本章小結45第5章 基于梯度直方圖和非局部自相似先驗的自適應紋理保持去噪方法465．1 概述465．2 自適應的紋理保持去噪框架495．2．1 滿足超拉普拉斯分布的梯度直方圖匹配先驗505．2．2 非局部自相似（NSS）先驗505．2．3 內容自適應的參數選擇515．3 求解去噪模型535．3．1 x-子問題535．3．2 s-子問題545．3．3 迭代直方圖匹配算法545．3．4 更新參數q和δ555．4 實驗結果與分析565．4．1 參數設置565．4．2 與正則化去噪模型的比較565．4．3 與*新去噪方法的比較615．4．4 梯度保持性能635．4．5 運行時間645．5 本章小結65第6章 基于SVD能量分布估計的低秩近似去噪方法666．1 概述666．2 基于SVD域的低秩近似去噪方法回顧――LRA-SVD方法676．3 基于能量分布估計的低秩去噪方法的問題描述686．3．1 邊緣信息輔助的圖像塊匹配686．3．2 真實信號能量分布估計696．3．3 噪聲方差約束的低秩矩陣近似716．3．4 加權組合726．3．5 迭代增強步驟726．4 實驗結果與分析746．4．1 參數設置746．4．2 與代表性的方法比較746．4．3 與*新的去噪方法比較786．4．4 運行時間806．5 本章小結81第7章 基于自適應增強方法的低秩去噪方法827．1 概述827．2 迭代增強技術的研究現狀837．3 自適應增強的低秩去噪方法847．3．1 自適應增強的去噪框架857．3．2 *優解分析857．3．3 收斂性分析887．3．4 自適應的相似圖像塊搜索方案897．3．5 迭代停止準則907．4 實驗結果與分析937．4．1 參數設置937．4．2 去噪結果937．5 本章小結98第8章 基于結構信息提取的低秩圖像去噪方法1008．1 概述1008．2 核維納濾波1018．3 基于結構信息提取的低秩圖像去噪方法1018．3．1 結構提取模型1028．3．2 相似圖像塊分組1038．3．3 基于低秩近似和核維納濾波的SEM*優去噪模型1048．3．4 優化算法1058．4 實驗結果與分析1088．4．1 參數設置1088．4．2 去噪結果1108．4．3 運行時間1178．5 本章小結118第9章 基于稀疏表示與奇異值分解的圖像細節保護去噪方法1199．1 概述1199．2 基于稀疏表示的去噪模型1209．3 圖像細節保護的去噪方法1229．3．1 圖像低頻信息恢復1229．3．2 圖像高頻信息恢復1239．3．3 圖像高頻成分和低頻成分的聚合1309．4 實驗結果與分析1329．4．1 去噪性能比較1329．4．2 運行時間比較1369．5 本章小結137第10章 基于增強低秩先驗的兩階段圖像去噪方法13810．1 概述13810．2 兩階段增強低秩先驗模型去噪方法13910．2．1 第1階段：輪廓恢復13910．2．2 第2階段：細節恢復14110．3 實驗結果與分析14810．3．1 參數設置14910．3．2 TSLR方法分析15010．3．3 與非深度學習方法的實驗結果比較15110．3．4 與深度學習方法的實驗結果比較15910．4 本章小結161第11章 基于四元數組稀疏的彩色圖像去噪方法16211．1 概述16211．2 彩色圖像四元數分析16311．2．1 四元數奇異值分解16311．2．2 離散四元數傅里葉變換16311．3 彩色圖像去噪方法16411．3．1 建立圖像塊組16411．3．2 四元數組稀疏模型16511．3．3 結合組稀疏與核維納濾波的四元數去噪模型16611．4 實驗結果16711．5 本章小結169第12章 總結與展望17012．1 總結17012．2 展望172參考文獻174
展開全部
圖像復原去噪技術與應用――基于圖像塊先驗建模的視角 作者簡介
范琳偉，博士，山東財經大學計算機科學與技術學院副教授、碩士生導師、學院科學研究辦公室主任，山東省高等學校青創科技計劃團隊帶頭人。主要研究領域為機器視覺、圖像處理等。主持國家自然科學基金項目1項、山東省自然科學基金項目1項、山東省高等學校青創科技計劃1項，并參與國家自然科學基金重點項目和省級重點研發計劃多項。發表SCI/EI學術論文30余篇，論文被引用500余次；授權發明專利5項。主講計算機圖形圖像基礎、圖形圖像綜合實踐等本科生與研究生課程。現主持教育部產學合作協同育人項目1項，參與山東省本科教學改革研究重點項目、教育部產學合作協同育人項目等3項。指導大學生競賽獲國賽一等獎、二等獎各1項。
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
月亮與六便士
- >
名家帶你讀魯迅:故事新編
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
本類暢銷
