图像数据先验的数学建模及其应用 谢琦
正版全新
￥ 56.24 7.1折 ￥ 79 全新
库存11件
上海浦东
认证卖家担保交易快速发货售后保障
作者谢琦
出版社机械工业出版社
ISBN9787111755340
出版时间2022-12
装帧其他
开本32开
纸张胶版纸
定价79元
货号4540273
上书时间2024-09-10
- 在售商品 暂无
- 平均发货时间 20小时
- 好评率 暂无
![精通API架构：设计、运维与演进 [英]詹姆斯·高夫](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/13339107/e4dfd01ac30a5809_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
【书 名】 图像数据先验的数学建模及其应用 谢琦
【书 号】 9787111755340
【出 版 社】 机械工业出版社
【作 者】 谢琦
【出版日期】 2024-08-01
【开 本】 32开
【定 价】 79.00元
【编辑推荐】
本书内容荣获2022年“CCF优秀博士学位论文激励计划”
在图像处理研究中，如何充分利用图像的先验结构一直是研究人员十分感兴趣的课题。图像先验的数学建模是*经典的一种图像先验利用方法，是将图像结构进行形式化与数学化的过程，它不仅反映了人们了解图像本质特征的渴望，也是诸多实际应用的可靠性保障。
本书主展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架。书中创新性提出一系列新型建模工具，相信能够对领域的发展有一定地助力，同时也能为读者带来新的启发。
本书适合具备相关数学、编程基础的研究和开发者阅读，也可为数字人文领域的学者提供一定的参考和借鉴。
【内容简介】
图像先验的数学建模是*经典的图像先验的利用方法。它不仅反映了人们想了解事物背后原理的渴望，也是诸多对可靠性与稳健性有高要求的实际应用的需求。本书展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架，相信能够对领域的发展有一定的助力，同时也能给读者带来新的启发。
本书适合数学类、计算机类专业高年级本科生和研究生阅读，也适合具备相关数学、编程基础的研究、开发人员阅读，亦可为数字人文领域的学者提供一定的参考和借鉴。
【目录】
目录
丛书序
推荐序 I
推荐序 II
导师序
摘要
Abstract
第 1 章 绪论1
1.1 研究背景1
1.2 相关研究现状 5
1.2.1 高维数据的稀疏性建模 5
1.2.2 颜色与方向不变的彩色图像非局部自相似性建模10
1.2.3 低剂量 CT 弦图噪声建模12
1.2.4 基于物理机制的深度高光谱融合 15
1.2.5 基于领域知识的眼底病灶检测 17
1.3 本书的主要内容19
第 2 章 一种新型高阶稀疏性度量及在张量处理问题中的应用 24
2.1 引言.24
2.2 符号定义和背景知识 27
2.3 CP 分解与 Tucker 分解 28
2.4 高阶稀疏性度量32
2.5 KBR 高阶稀疏性度量35
2.5.1 KBR 稀疏正则*小二乘问题 36
2.5.2 KBR 稀疏正则的张量填充问题41
2.5.3 KBR 稀疏正则的张量稳健主成分分析.44
2.5.4 KBR 稀疏正则*小二乘在高光谱图像去噪问题中的应用 48
2.6 实验结果 51
2.6.1 高光谱图像去噪实验 51
2.6.2 基于 KBR-TC 的高光谱图像填充实验 55
2.6.3 基于 KBR-RPCA 的视频背景建模实验59
2.6.4 折中参数的分析 61
2.7 小结.62
第 3 章 颜色与方向不变图像非局部自相似性建模
及其应用64
3.1 引言.64
3.2 符号定义和背景知识.69
3.3 颜色与方向不变非局部自相似性建模69
3.3.1 方向敏感图像块表示 70
3.3.2 颜色敏感图像块表示 78
3.4 基于颜色与方向不变非局部自相似性的彩色图像去噪模型78
3.4.1 彩色图像去噪的*大后验模型 78
3.4.2 EM 算法80
3.5 实验结果 87
3.5.1 仿真彩色图像去噪实验87
3.5.2 真实彩色图像去噪实验89
3.6 小结.91
第 4 章 基于生成机制的低剂量 CT 弦图去噪92
4.1 引言.92
4.2 符号定义和背景知识 96
4.3 模型框架 97
4.3.1 投影数据的生成模型 98
4.3.2 弦图先验模型100
4.3.3 *大后验估计102
4.3.4 模型讨论 103
4.4 ADMM 算法104
4.5 实验结果108
4.5.1 对比方法 108
4.5.2 数字影像数据实验109
4.5.3 仿真体模数据实验112
4.5.4 临床猪心数据研究119
4.6 小结121
第 5 章 物理机制嵌入的深度高光谱融合网络 122
5.1 引言122
5.2 方法框架129
5.2.1 模型框架 129
5.2.2 模型优化 133
5.2.3 MHF-net 的网络结构设计134
5.3 一致高光谱融合网络 139
5.4 盲高光谱融合网络 141
5.5 实验结果145
5.5.1 模型验证 145
5.5.2 响应系数一致数据上的对比实验153
5.5.3 响应系数非一致数据上的对比实验158
5.6 小结165
第 6 章 领域知识嵌入的深度眼底病灶检测网络167
6.1 引言167
6.2 EM-net 的基本框架 171
6.2.1 模型框架 171
6.2.2 模型求解 175
6.2.3 网络设计 177
6.2.4 网络训练 180
6.3 实验结果181
6.3.1 IDRiD 数据上的实验 182
6.3.2 DDR 数据集上的实验183
6.3.3 与 IDRiD 挑战榜对比184
6.3.4 解释性验证185
6.4 小结187
第 7 章 结论与展望188
7.1 结论188
7.2 展望190
附录193
附录 A 理论结果证明 193
附录 B 深度网络设计细节 204
参考文献 215
攻读博士学位期间的科研成果235
致谢 238
丛书跋 241
— 没有更多了 —
以下为对购买帮助不大的评价