| *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:202410*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:惡劣環境降質圖像增強理論 ISBN:9787118134797 出版社:國防工業 著編譯者:崔智高 王念 蘇延召 頁數:113 所在地:中國大陸 *此為代購商品 書號:1688616 可大量預訂,請先連絡。 內容簡介 本書系統介紹了相關方法的研究背景、理論基礎和演算法描述,並給出了相應的實驗結果,主要內容包括:霧、雨形成機理,數學模型以及圖像去霧,圖像去雨研究現狀(第1章);圖像去霧典型演算法及常用數據集(第2章);圖像去雨典型演算法及常用數據集(第3章);基於深度學習的圖像去霧演算法(第4∼7章);圖像去雨演算法(第8章)等。 本書內容新穎、結構清晰、語言簡練,可作為大專院校及科研院所模式識別、圖像處理和機器視覺等領域的高年級本科生、研究生的教材和參考書,也可作為相關領域的教師、科研人員以及從事圖像恢復、圖像增強工程技術人員的參考書。目錄 第1章 緒論1 1 智能視頻監控技術 1 1 1 視頻監控技術發展階段 1 1 2 典型視頻監控系統 1 2 圖像質量增強技術 1 2 1 圖像去霧技術 1 2 2 圖像去雨技術 1 3 本書內容安排 參考文獻 第2章 圖像去霧典型演算法及常用數據集 2 1 基於暗通道先驗的圖像去霧演算法 2 2 監督學習圖像去霧演算法 2 2 1 DCPDN 2 2 2 ACRE 2 2 3 SID 2 3 弱監督圖像去霧演算法 2 3 1 CycleGAN方法 2 3 2 物理分解方法 2 4 圖像去霧常用數據集 2 5 圖像去霧常用評價指標 參考文獻 第3章 圖像去雨典型演算法及常用數據集 3 1 基於混合高斯模型的圖像去雨演算法 3 2 基於深度學習的圖像去雨演算法 3 2 1 監督學習圖像去雨演算法 3 2 2 半監督學習圖像去雨演算法 3 3 圖像去雨常用數據集 3 4 圖像去雨常用評價指標 參考文獻 第4章 基於遞歸卷積的多尺度深度圖像去霧演算法 4 1 演算法總體框架 4 2 演算法具體實現 4 2 1 遞歸特徵提取模塊 4 2 2 多尺度特徵融合模塊 4 2 3 損失麗數 4 3 實驗結果及其分析 4 3 1 實驗設置 4 3 2 合成數據集實驗結果 4 3 3 真實霧天圖像實驗結果 參考文獻 第5章 基於先驗信息引導的多編碼器圖像去霧演算法 5 1 基於自適應通道融合的圖像去霧演算法 5 1 1 演算法總體框架 5 1 2 SAGFA模塊 5 1 3 SE模塊 5 1 4 損失函數 5 2 基於特徵調製的圖像去霧演算法 5 2 1 演算法總體框架 5 2 2 自適應批歸一化 5 2 3 優化模塊 5 2 4 損失函數 5 3 實驗結果及其分析 5 3 1 實驗設置 5 3 2 IHAZE和OHAZE數據集實驗結果 5 3 3 NHHAZE數據集實驗結果 5 3 4 定量比較與分析 參考文獻 第6章 基於物理模型引導的多解碼器圖像去霧演算法 6 1 演算法總體框架 6 2 演算法具體實現 6 2 1 多尺度特徵提取與融合模塊 6 2 2 注意力模塊 6 2 3 多尺度監督模塊 6 2 4 損失函數 6 3 實驗結果及其分析 6 3 1 實驗設置 6 3 2 HAZERD數據集實驗結果 6 3 3 DAHAZE數據集實驗結果 參考文獻 第7章 基於物理分解的弱監督圖像去霧演算法 7 1 演算法總體框架 7 2 演算法具體實現 7 2 1 DWD判別器 7 2 2 DWT特徵提取 7 2 3 損失函數 7 3 實驗結果及其分析 7 3 1 實驗設置 7 3 2 合成數據集對比結果 7 3 3 真實數據集對比結果 參考文獻 第8章 基於多階段特徵融合的圖像去雨演算法 8 1 演算法總體框架 8 2 演算法具體實現 8 2 1 淺特徵提取模塊 8 2 2 改進的編碼-解碼器 8 2 3 剩餘密集子網 8 2 4 階段特徵的漸進融合 8 2 5 損失函數 8 3 實驗結果及其分析 8 3 1 實驗設置 8 3 2 實驗結果 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。 |