●前言
第1章數字圖像處理基礎
1.1數字圖像處理概述
1.1.1圖像的概念
1.1.2圖像的分類
1.1.3圖像的語義
1.2數字圖像處理基本運算
1.2.1基本運算類型
1.2.2點運算
1.2.3代數運算
1.2.4幾何運算
1.3數字圖像處理基礎知識
1.3.1圖像的色彩空間
1.3.2圖像的二值形態學
1.3.3圖像的直方圖
1.3.4圖像金字塔
1.3.5邊緣特征提取
1.3.6其他特征提取
參考文獻
第2章神經網絡
2.1神經網絡基礎知識
2.1.與感知機
2.1.2反向傳播算法
2.1.3輸入與輸出
2.1.4激活函數
2.1.5損失函數
2.2神經網絡的優化及面臨的問題
2.2.1參數初始化
2.2.2正則化
2.2.3常用優化算法
2.2.4神經網絡面臨的問題
2.3卷積神經網絡
2.3.1基礎知識
2.3.2卷積神經網絡組成
2.3.3其他卷積方式
2.3.4常用卷積神經網絡
參考文獻
第3章圖像復原
3.1圖像去噪
3.1.1簡介
3.1.2常見噪聲模型
3.1.3經典傳統去噪方法
3.1.4基於深度學習的去噪方法
3.1.5真實圖像噪聲的去噪方法
3.1.6小結
3.2圖像去模糊
3.2.1圖像去模糊理論基礎
3.2.2基於優化的傳統去模糊方法
3.2.3基於深度學習的去模糊方法
3.2.4小結
3.3圖像去霧
3.3.1圖像去霧的意義
3.3.2傳統去霧方法
3.3.3基於深度學習的方法
3.3.4小結
參考文獻
第4章圖像增強
4.1圖像平滑
4.1.1平滑的意義
4.1.2傳統平滑方法
4.1.3基於深度學習的方法
4.1.4小結
4.2圖像融合
4.2.1圖像融合概述
4.2.2基於變換域的圖像融合方法
4.2.3基於空間域的圖像融合方法
4.2.4基於深度學習的圖像融合方法
4.2.5融合評價指標
4.2.6圖像融合的主要應用
4.2.7小結
4.3低光照圖像增強
4.3.1低光照圖像增強概述
4.3.2基於Retinex理論的低光照圖像增強算法
4.3.3基於深度學習的低光照圖像增強算法
4.3.4小結
參考文獻
第5章目標檢測
5.1基礎概念
5.1.1背景知識
5.1.2目標檢測相關概念
5.2傳統目標檢測算法
5.2.1傳統算法流程
5.2.2傳統算法框架
5.3基於深度學習的目標檢測算法
5.3.1雙階段目標檢測算法
5.3.2單階段目標檢測算法
5.4本章小結
參考文獻
第6章圖像分割
6.1概述
6.1.1圖像分割概述
6.1.2圖像分割發展背景
6.2圖像分割傳統算法
6.2.1基於閾值分割的算法
6.2.2基於區域提取的算法
6.2.3基於邊緣檢測的算法
6.2.4結合特定理論工具的算法
6.3基於深度學習的圖像分割算法
6.3.1全卷積網絡
6.3.2帶圖模型的卷積模型
6.3.3基於編碼器-解碼器的結構
6.3.4基於多尺度和金字塔網絡的模型
6.3.5膨脹卷積模型與DeepLab繫列
6.3.6基於循環神經網絡的模型
6.3.7基於注意力機制的方法
6.3.8生成模型和對抗訓練
6.4本章小結
參考文獻
第7章多任務學習
7.1圖像與圖像邊緣
7.1.1邊緣引導的圖像補全
7.1.2邊緣引導的圖像超分辨率
7.1.3邊緣引導的語義分割
7.1.4邊緣引導的圖像平滑
7.1.5小結
7.2圖像與圖像平滑
7.2.1圖像平滑引導的圖像補全
7.2.2小結
7.3圖像與語義分割
7.3.1語義分割引導的圖像補全
7.3.2語義分割結合圖像超分辨率
7.3.3語義分割引導的圖像重定向
7.3.4場景分割引導的圖像融合
7.3.5小結
7.4圖像理解與圖像增強和復原
7.4.1圖像增強結合目標檢測
7.4.2圖像增強結合語義分割
7.4.3圖像去噪與圖像理解
7.4.4圖像分類驅動的圖像增強
7.4.5小結
參考文獻
彩圖