圖像復原去噪技術與應用-基於圖像塊先驗建模的視角 范琳偉 9787121460777 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202308*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：圖像復原去噪技術與應用-基於圖像塊先驗建模的視角 ISBN：9787121460777 出版社：電子工業 著編譯者：范琳偉 頁數：188 所在地：中國大陸 *此為代購商品 書號：1561119 可大量預訂，請先連絡。 內容簡介 圖像複原去噪是從退化或損壞的圖像中恢複原始圖像的過程，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。本書研究圖像複原去噪技術，基於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複原去噪，將圖像建模為符合某些先驗分佈的隨機變數，學習自然圖像的統計特徵，然後利用最大后驗估計重構退化圖像。其中，圖像先驗是求解不適定圖像複原問題的關鍵，早期的圖像先驗設計主要考慮圖像的整體物理特徵進行手工設計。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，基於圖像塊先驗特徵提升圖像複原性能。圖像複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、人工智慧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。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，參与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餘篇，論文被引用500餘次；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，參与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。目錄 第1章 緒論1 1 研究背景及意義 1 2 研究現狀及發展趨勢 1 2 1 空間域方法 1 2 2 變換域方法 1 3 存在的問題 1 4 本書主要工作和創新點 1 5 本書內容安排 第2章 圖像去噪的理論基礎 2 1 圖像處理中常見的雜訊 2 1 1 加性雜訊 2 1 2 乘性雜訊 2 2 圖像質量評價標準 2 2 1 主觀評價 2 2 2 客觀評價 2 3 圖像的方法雜訊 2 4 本章小結 第3章 經典圖像去噪方法 3 1 非局部均值圖像去噪方法 3 1 1 非局部均值去噪理論 3 1 2 非局部均值去噪方法研究現狀 3 2 基於先驗信息的正則化去噪方法 3 2 1 最大后驗概率估計 3 2 2 不同形式的正則化去噪方法 3 3 本章小結 第4章 基於邊緣相似度的自適應兩階段非局部均值去噪方法 4 1 概述 4 2 兩階段非局部均值去噪框架 4 2 1 去噪過程 4 2 2 圖像塊相似性度量 4 2 3 抗噪的差分運算元 4 2 4 自適應參數選擇方案 4 3 實驗結果與分析 4 3 1 搜索窗口的設置 4 3 2 去噪結果對比 4 4 本章小結 第5章 基於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 5 1 概述 5 2 自適應的紋理保持去噪框架 5 2 1 滿足超拉普拉斯分佈的梯度直方圖匹配先驗 5 2 2 非局部自相似（NSS）先驗 5 2 3 內容自適應的參數選擇 5 3 求解去噪模型 5 3 1 x-子問題 5 3 2 s-子問題 5 3 3 迭代直方圖匹配演算法 5 3 4 更新參數q和δ 5 4 實驗結果與分析 5 4 1 參數設置 5 4 2 與正則化去噪模型的比較 5 4 3 與最新去噪方法的比較 5 4 4 梯度保持性能 5 4 5 運行時間 5 5 本章小結 第6章 基於SVD能量分佈估計的低秩近似去噪方法 6 1 概述 6 2 基於SVD域的低秩近似去噪方法回顧——LRA-SVD方法 6 3 基於能量分佈估計的低秩去噪方法的問題描述 6 3 1 邊緣信息輔助的圖像塊匹配 6 3 2 真實信號能量分佈估計 6 3 3 雜訊方差約束的低秩矩陣近似 6 3 4 加權組合 6 3 5 迭代增強步驟 6 4 實驗結果與分析 6 4 1 參數設置 6 4 2 與代表性的方法比較 6 4 3 與最新的去噪方法比較 6 4 4 運行時間 6 5 本章小結 第7章 基於自適應增強方法的低秩去噪方法 7 1 概述 7 2 迭代增強技術的研究現狀 7 3 自適應增強的低秩去噪方法 7 3 1 自適應增強的去噪框架 7 3 2 最優解分析 7 3 3 收斂性分析 7 3 4 自適應的相似圖像塊搜索方案 7 3 5 迭代停止準則 7 4 實驗結果與分析 7 4 1 參數設置 7 4 2 去噪結果 7 5 本章小結 第8章 基於結構信息提取的低秩圖像去噪方法 8 1 概述 8 2 核維納濾波 8 3 基於結構信息提取的低秩圖像去噪方法 8 3 1 結構提取模型 8 3 2 相似圖像塊分組 8 3 3 基於低秩近似和核維納濾波的SEM最優去噪模型 8 3 4 優化演算法 8 4 實驗結果與分析 8 4 1 參數設置 8 4 2 去噪結果 8 4 3 運行時間 8 5 本章小結 第9章 基於稀疏表示與奇異值分解的圖像細節保護去噪方法 9 1 概述 9 2 基於稀疏表示的去噪模型 9 3 圖像細節保護的去噪方法 9 3 1 圖像低頻信息恢復 9 3 2 圖像高頻信息恢復 9 3 3 圖像高頻成分和低頻成分的聚合 9 4 實驗結果與分析 9 4 1 去噪性能比較 9 4 2 運行時間比較 9 5 本章小結 第10章 基於增強低秩先驗的兩階段圖像去噪方法 10 1 概述 10 2 兩階段增強低秩先驗模型去噪方法 10 2 1 第1階段：輪廓恢復 10 2 2 第2階段：細節恢復 10 3 實驗結果與分析 10 3 1 參數設置 10 3 2 TSLR方法分析 10 3 3 與非深度學習方法的實驗結果比較 10 3 4 與深度學習方法的實驗結果比較 10 4 本章小結 第11章 基於四元數組稀疏的彩色圖像去噪方法 11 1 概述 11 2 彩色圖像四元數分析 11 2 1 四元數奇異值分解 11 2 2 離散四元數傅里葉變換 11 3 彩色圖像去噪方法 11 3 1 建立圖像塊組 11 3 2 四元數組稀疏模型 11 3 3 結合組稀疏與核維納濾波的四元數去噪模型 11 4 實驗結果 11 5 本章小結 第12章 總結與展望 12 1 總結 12 2 展望 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
