消息 首页 搜索 举报
  • 图像去噪方法研究——基于迭代优化与深度学习方法
21年品牌 40万+商家 超1.5亿件商品

图像去噪方法研究——基于迭代优化与深度学习方法

全新正版 假一赔十 可开发票

￥ 45.85 6.7折 ￥ 68 全新

仅1件

北京东城
认证卖家担保交易快速发货售后保障

作者谭瀚霖 等

出版社国防科技大学出版社

ISBN9787567306370

出版时间2024-01

装帧平装

开本16开

定价68元

货号1203250667

上书时间2024-11-14

轻阅书店

三年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
目录
第1章 绪论

1.1 背景及意义

1.1.1 成像技术

1.1.2 图像噪声来源分析

1.1.3 图像去噪研究意义

1.2 相关研究现状

1.2.1 图像估噪研究现状

1.2.2 单帧图像去噪研究现状

1.2.3 多帧图像去噪研究现状

1.3 本书研究的内容与贡献

1.4 本书的组织结构

第2章 基于深度残差神经网络的逐像素图像噪声水平估计

2.1 引言

2.2 方法

2.2.1 估噪问题的形式化

2.2.2 网络结构

2.2.3 损失函数

2.2.4 模型训练

2.3 实验

2.3.1 实验设置

2.3.2 在模拟均匀噪声上的对比

2.3.3 在模拟非均匀噪声上的对比

2.3.4 在真实图像上的可视结果

2.3.5 将逐像素估噪用于深度学习去噪

2.3.6 运行时问对比

2.4 小结

第3章 基于交替方向乘子法的联合去马赛克去噪

3.1 引言

3.2 方法

3.2.1 问题形式化建模

3.2.2 先验设计

3.2.3 模型求解

3.3 实验

3.3.1 实验设置

3.3.3 模拟噪声去马赛克去噪的定量对比

3.3.4 模拟噪声去马赛克去噪的定性对比

3.3.5 真实Raw图去马赛克毒噪的定性对比

3.3.6 运行时间对比

3.4 小结

第4章 基于深度神经网络的单帧图像去噪

4.1 引言

4.2 基于深度神经网络的Raw图联合去马赛克去噪

4.2.1 问题形式化建模

4.2.2 网络结构

4.2.3 模型训练

4.2.4 联合去马赛克去噪实验

4.2.5 网络结构的敏感性分析

4.2.6 运行时间对比

4.3 基于深度神经网络的RGB图像去噪

4.3.1 问题形式化建模

4.3.2 网络结构

4.3.3 模型训练

4.3.4 模拟噪声非盲去噪实验

4.3.5 模拟噪声盲去噪实验

4 4小结

第5章 基于深度神经网络的多帧图像去噪

5.1 引言

5.2 基于深度神经网络的多帧RGB图像去噪

5.2.1 问题形式化建模

5.2.2 网络设计

5.2.3 生成训练数据

5.2.4 实现与训练细节

5.2.5 实验

5.3 基于深度神经网络的多帧Raw图联合去马赛克去噪

5.3.1 问题形式化建模

5.3.2 网络设计

5.3.3 模型训练

5.3.4 实验

5.4 小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

内容摘要
本书面向图像去噪问题，结合近年来兴起的人工智能与深度学习方法，深入图像信号处理流水线的实际应用，对图像噪声的估计与抑制的基本概念、研究现状、流行思路、近期新方法、实验结果与结论进行了系统论述，可以为计算机科学、控制科学与工程等相关领域的科学研究、工程实践提供科学指导。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP