掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
買過本商品的人還買了
靜脈圖像修復與增強 版權信息
- ISBN：9787030766427
- 條形碼：9787030766427 ; 978-7-03-076642-7
- 裝幀：平裝膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
靜脈圖像修復與增強 內容簡介
本書首先論述了靜脈圖像修復與增強的研究意義，以及現階段國內外對狀接著介紹了本課題組自制的靜脈圖像數據采集系統，然后針對在靜脈圖像采集過程中，諸多不可避免的因素導致靜脈圖像采集背景灰暗、對比度低拓撲結構不明顯、細節信息丟失等情況，造成靜脈識別系統對信息表征能力不足的問題從靜脈圖像修復與增強兩大關鍵技術進行探討研究，主要提出基于融合可變形模塊的U-Net網絡、基于非局部對抗的生成網絡、基于分離與表示的生成對抗網絡的靜脈圖像修復方法以及基于Actor-Critic、基于多尺度特征融合、基于特征解耦學習的低曝光靜脈圖像增強方法。
靜脈圖像修復與增強 目錄
前言
第1章 緒論
1.1 靜脈圖像修復與增強概述
1.2 靜脈圖像修復研究現狀
1.2.1 傳統的圖像修復方法
1.2.2 基于深度學習的圖像修復
1.2.3 靜脈血管圖像修復
1.3 靜脈圖像增強研究現狀
1.3.1 低曝光圖像增強研究現狀
1.3.2 靜脈圖像增強方法研究現狀
1.4 本書研究內容
1.4.1 主要研究工作
1.4.2 本書的章節安排
第2章 靜脈圖像數據集
2.1 靜脈圖像成像系統
2.1.1 成像光源系統
2.1.2 圖像采集系統
2.2 靜脈圖像數據集類型
2.2.1 自制靜脈圖像數據集
2.2.2 公開靜脈紋圖像數據集
2.2.3 低曝光手背靜脈圖像數據集
2.3 靜脈圖像預處理
2.4 本章小結
第3章 基于融合可變形模塊的U-Net網絡的靜脈圖像修復
3.1 基于卷積神經網絡的圖像修復
3.1.1 圖像風格轉換損失與圖像修復關系
3.1.2 U-Net網絡
3.2 基于融合可變形模塊的U-Net桃型
3.2.1 可變形卷積網絡模塊
3.2.2 生成網絡
3.3 修復網絡訓練損失
3.3.1 感知損失與風格損失
3.3.2 對抗損失
3.4 識別實驗與結果分析
3.5 本章小結
第4章 基于非局部對抗的生成對抗網絡的靜脈圖像修復
4.1 生成對抗網絡技術
4.1.1 生成對抗網絡模型與框架
4.1.2 生成對抗網絡的應用
4.2 基于非局部對抗的生成對抗網絡模型
4.2.1 生成網絡模型
4.2.2 空洞卷積
4.2.3 非局部網絡模塊
4.3 修復網絡訓練損失
4.3.1 對抗損失
4.3.2 感知損失
4.3.3 訓練總損失
4.4 識別實驗與結果分析
4.5 本章小結
第5章 基于分離與表示的生成對抗網絡的靜脈圖像修復
5.1 圖像到圖像的轉換
5.1.1 成對圖像數據間的轉換
5.1.2 非成對圖像數據間的轉換
5.2 分離與表示的學習
5.2.1 分離與表示研究現狀
5.2.2 分離與表示應用
5.2.3 點與線的分離
5.3 修復網絡訓練損失
5.3.1 對抗損失
5.3.2 循環一致性損失
5.3.3 感知損失
5.4 識別實驗與結果分析
5.5 本章小結
第6章 基于Actor-Critic的低曝光靜脈圖像增強
6.1 Actor-Critic框梨
6.2 基于Actor-Critic的靜脈圖像增強網絡
6.2.1 可微圖像濾波器
6.2.2 靜脈圖像增強的Actor-Critic網絡框架
6.2.3 靜脈圖像細節增強模塊
6.3 識別實驗與結果分析
6.3.1 模型訓練過程
6.3.2 多個濾波函數實驗
6.3.3 細節增強對比實驗
6.3.4 ACN算法與其他模型的對比實驗
6.3.5 靜脈圖像識別率對比實驗
6.4 本章小結
第7章 基于多尺度特征融合的低曝光靜脈圖像增強
7.1 多尺度特征融合和通道注意力機制
7.1.1 多尺度特征融合
7.1.2 通道注意力機制
7.2 殘差單元介紹
7.3 靜脈圖像多尺度特征融合模型構建
7.3.1 靜脈多尺度融合殘差塊設計
7.3.2 多尺度融合模型的損失函數
7.4 識別實驗與結果分析
7.4.1 模型訓練過程
7.4.2 靜脈多尺度融合殘差塊數量實驗
7.4.3 注意力機制SE模塊對比實驗
7.4.4 與其他模型的對比實驗
7.4.5 靜脈圖像識別率對比實驗
7.5 本章小結
第8章 基于特征解耦學習的低曝光靜脈圖像增強
8.1 自編碼網絡與特征解耦學習
8.1.1 自編碼網絡
8.1.2 特征解耦學習
8.2 基于特征解耦學習的靜脈圖像增強網絡
8.2.1 靜脈圖像背景與紋理特征解耦網絡
8.2.2 靜脈圖像增強網絡
8.3 識別實驗與結果分析
8.3.1 實驗數據集和模型訓練過程
8.3.2 紋理特征重建圖像對比實驗
8.3.3 與其他模型的對比實驗
8.3.4 靜脈圖像識別率對比實驗
8.4 本章小結
參考文獻
后記
展開全部
書友推薦
- >
莉莉和章魚
- >
上帝之肋:男人的真實旅程
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
隨園食單
- >
煙與鏡
- >
姑媽的寶刀
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
本類暢銷
