| | | 基於學習的圖像增強技術 | 該商品所屬分類:計算機/網絡 -> 人工智能 | 【市場價】 | 180-262元 | 【優惠價】 | 113-164元 | 【介質】 | book | 【ISBN】 | 9787560629810 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](https://bnmppic.bookuu.com/goods/15/33/42/2605516-fm.jpg.webp)
-
出版社:西安電子科大
-
ISBN:9787560629810
-
作者:吳煒
-
頁數:209
-
出版日期:2013-02-01
-
印刷日期:2013-02-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:318千字
-
吳煒主編的《基於學習的圖像增強技術》是一部關於基於學習的圖像增強方面的學術專著,全面地討論了基於學習的圖像超分辨率技術(即圖像的分辨率增強)和圖像復原技術。本書的內容涉及作者近10年來在四川大學電子信息學院工作的一些研究成果。適合於通信與信息繫統、信號處理、計算機應用、模式識別等相關專業的研究人員、工程技術人員等參考。
-
吳煒主編的《基於學習的圖像增強技術》是一部
關於基於學習的圖像增強原理及應用的學術專著,反
映了近年來基於學習的圖像增強技術的最新研究進展
。全書共分為三個部分十四章,第一部分為基礎知識
(第一章至第三章,介紹圖像的基本概念、圖像增強
的一些基本方法和圖像插值技術;第二部分為基於學
習的圖像分辨率增強(也稱為基於學習的圖像超分辨
率)技術(第四章至第十三章),對基於學習的圖像
超分辨率技術進行了詳細的介紹;第三部分(第十四
章)介紹了一種新的圖像增強技術——基於視覺美學
學習的圖像質量評估和增強技術。
《基於學習的圖像增強技術》適合於通信與信息
繫統、信號處理、計算機應用、模式識別等相關專業
的研究人員、工程技術人員、高校教師以及碩/博士
研究生學習參考。
-
第一章 圖像的基礎知識 1.1 圖像信號的基本概念 1.1.1 圖像的表示 1.1.2 圖像的數字化過程 1.1.3 數字圖像的基本類型 1.1.4 顏色模式 1.1.5 圖像分辨率 1.2 人眼的視覺原理 1.2.1 人眼結構 1.2.2 相對視敏度 1.2.3 明暗視覺 1.2.4 對比靈敏度 1.2.5 可見度閾值和馬赫帶效應 1.3 圖像質量的評估標準與方法 參考文獻 第二章 常用圖像增強技術介紹 2.1 圖像增強概述 2.2 空域圖像增強 2.2.1 灰度變換 2.2.2 直方圖均衡 2. 2.3.空域濾波 2.3 頻域圖像增強 2.3.1 頻域低通濾波器 2.3.2 頻域高通濾波器 2.4 圖像客觀評價算法 2.4.1 人眼視覺繫統 2.4.2 歸一化灰度差 2.4.3 歸一化對比度 2.4.4 歸一化信息熵 2.4.5 視頻圖像質量客觀評價函數 2.5 本章小結 參考文獻 第三章 圖像插值技術 3.1 圖像插值放大原理 3.2 傳統圖像插值算法及原理 3.3 基於邊緣的圖像插值算法 3.4 實驗結果與分析 3.5 本章小結 參考文獻 第四章 超分辨率技術綜述 4.1 超分辨率的含義及應用 4.2 超分辨率技術的分類 4.3 成像模型 4.4 基於重建的超分辨率 4.4.1 頻域算法 4.4.2 空域算法 4.5 基於學習的超分辨率 4.5.1 *大後驗概率(MAP)框架下的基於學習的超分辨率理論 4.5.2 基於學習的超分辨率算法的類別 4.6 本章小結 參考文獻 第五章 基於多分辨率塔式結構的人臉圖像超分辨率技術 5.1 基於學習的人臉超分辨率繫統 5.2 幻覺臉技術的復原框架 5.3 圖像金字塔模型 5.4 多分辨率塔式結構算法 5.4.1 人臉高斯金字塔 5.4.2 人臉拉普拉斯金字塔 5.4.3 人臉特征金字塔 5.4.4 多分辨率塔式結構算法總結 5.5 匹配復原過程 5.5.1 塔狀父結構 5.5.2 搜索匹配過程 5.6 算法描述 5.7 基於學習的超分辨率圖像的集成優化 5.7.1 超分辨率復原的貝葉斯框架 5.7.2 單目標優化算法 5.8 實驗結果與分析 5.8.1 多分辨率塔式結構算法實驗結果與分析 5.8.2 集成優化實驗結果與分析 5.9 本章小結 參考文獻 第六章 基於Contourlet變換的人臉圖像超分辨率研究 6.1 Contourlet變換的基本理論 6.1.1 方向濾波器組 6.1.2 Contourlet變換的特性分析 6.2 基於Contourlet變換的人臉圖像超分辨率 6.2.1 特征提取 6.2.2 匹配復原 6.2.3 算法描述 6.3 實驗結果與分析 6.4 本章小結 參考文獻 第七章 基於改進的非下采樣Contourlet變換的人臉圖像超分辨率 7.1 非下采樣Contourlet變換 7.1.1 非下采樣金字塔 7.1.2 非下采樣方向濾波器組 7.2 改進的非下采樣Contourlet變換 7.3 算法實現 7.4 實驗結果與分析 7.5 本章小結 參考文獻 第八章 基於馬爾可夫隨機場的超分辨率技術研究 8.1 馬爾可夫隨機場模型 8.2 特征表示 8.3 基於馬爾可夫隨機場模型的超分辨率學習算法 8.4 實驗結果與分析 8.5 本章小結 參考文獻 第九章 基於重構方法的超分辨率研究 9.1 基於主成分分析重構的超分辨率算法 9.1.1 基於整幅圖像的PCA重構算法 9.1.2 基於分塊的PCA重構算法 9.2 基於流形學習重構的算法 9.2.1 LLE算法的基本原理 9.2.2 基於流形學習的超分辨率基本原理 9.2.3 特征提取 9.2.4 算法實現 9.3 實驗結果與分析 9.4 本章小結 參考文獻 第十章 基於超完備字典的圖像稀疏表示理論的超分辨率復原 10.1 概述 10.1.1 信號的稀疏表示及其研究現狀 10.1.2 信號稀疏性表示 10.1.3 超完備字典的基本概念 10.2 信號稀疏分解算法 10.2.1 引言 10.2.2 框架算法 10.2.3 匹配追蹤算法 10.2.4 *佳正交基算法 10.2.5 全局*優算法 10.3 超完備字典學習算法 10.3.1 常用的字典學習算法 10.3.2 超完備字典學習算法的比較 10.4 基於圖像稀疏表示的單幅圖像超分辨率算法 10.4.1 自訓練字典學習的算法框架 10.4.2 由粗到精的圖像放大過程 10.4.3 低分辨率和高分辨率超完備字典學習算法 10.5 實驗結果及分析 10.5.1 文本圖像放大實驗 10.5.2 與其他基於學習超分辨率算法對比 10.5.3 圖像特征提取算法對重建效果的影響 10.5.4 目標放大倍數對重建效果的影響 10.5.5 超完備字典尺寸對本章算法的影響 10.6 本章小結 參考文獻 第十一章 基於回歸方法的超分辨率圖像復原研究 11.1 支持向量回歸~ 11.2 核偏*小二乘法回歸 11.2.1 偏*小二乘法介紹 11.2.2 核偏*小二乘法 11.3 基於回歸方法的超分辨率復原的基本原理 11.3.1 超分辨率圖像復原原理 11.3.2 特征表示 11.3.3 基於回歸的圖像超分辨率復原算法 11.4 基於支持向量回歸方法的實驗結果與分析 11.4.1 算法的性能 11.4.2 算法參數分析 11.5 基於核偏*小二乘法的超分辨率實驗結果與分析 11.6 本章小結 參考文獻 第十二章 基於多分辨率金字塔和LLE算法的人臉圖像超分辨率算法 12.1 先驗模型 12.1.1 高斯金字塔 12.1.2 拉普拉斯金字塔 12.1.3 特征金字塔 12.2 先驗模型復原過程 12.2.1 塔狀父結構 12.2.2 匹配復原 12.2.3 算法實現 12.3 先驗模型和測量模型 12.4 實驗結果及分析 12.5 本章小結 參考文獻 第十三章 基於馬爾可夫模型與Contourlet變換的圖像超分辨率復原算法 13.1 算法的基本原理 13.2 Contourlet繫數塊結構 13.3 馬爾可夫模型 13.4 基於MRF模型和Cotourlet變換的超分辨率學習算法 13.5 實驗結果與分析 13.6 本章小結 參考文獻 第十四章 基於視覺美學學習的圖像質量評估和增強 14.1 基於學習的美學 14.1.1 用戶調查 14.1.2 視覺美學特征 14.2 重建照片,增強照片質量 14.2.1 算法Ⅰ 優化對像位置 14.2.2 算法Ⅱ 平衡視覺重量 14.3 實驗結果與分析 14.4 本章小結 參考文獻
| | | | | |