消息 首页 搜索 举报
  • 图像复原去噪技术与应用――基于图像块先验建模的视角
21年品牌 40万+商家 超1.5亿件商品

图像复原去噪技术与应用――基于图像块先验建模的视角

全新正版 极速发货

￥ 58.9 5.9折 ￥ 99 全新

仅1件

广东广州
认证卖家担保交易快速发货售后保障

作者范琳伟

出版社电子工业

ISBN9787121460777

出版时间2023-08

装帧其他

开本其他

定价99元

货号1203024480

上书时间2024-06-07

书香美美
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
作者简介
范琳伟，博士，山东财经大学计算机科学与技术学院副教授、硕士生导师、学院科学研究办公室主任，山东省高等学校青创科技计划团队带头人。主要研究领域为机器视觉、图像处理等。主持国家自然科学基金项目1项、山东省自然科学基金项目1项、山东省高等学校青创科技计划1项，并参与国家自然科学基金重点项目和省级重点研发计划多项。发表SCI/EI学术论文30余篇，论文被引用500余次；授权发明专利5项。主讲计算机图形图像基础、图形图像综合实践等本科生与研究生课程。现主持教育部产学合作协同育人项目1项，参与山东省本科教学改革研究重点项目、教育部产学合作协同育人项目等3项。指导大学生竞赛获国赛一等奖、二等奖各1项。

目录
第1章  绪论1
1.1  研究背景及意义1
1.2  研究现状及发展趋势3
1.2.1  空间域方法3
1.2.2  变换域方法7
1.3  存在的问题8
1.4  本书主要工作和创新点9
1.5  本书内容安排12
第2章  图像去噪的理论基础15
2.1  图像处理中常见的噪声15
2.1.1  加性噪声15
2.1.2  乘性噪声16
2.2  图像质量评价标准17
2.2.1  主观评价17
2.2.2  客观评价18
2.3  图像的方法噪声19
2.4  本章小结20
第3章  经典图像去噪方法21
3.1  非局部均值图像去噪方法21
3.1.1  非局部均值去噪理论21
3.1.2  非局部均值去噪方法研究现状22
3.2  基于先验信息的正则化去噪方法23
3.2.1  最大后验概率估计24
3.2.2  不同形式的正则化去噪方法24
3.3  本章小结29
第4章  基于边缘相似度的自适应两阶段非局部均值去噪方法30
4.1  概述30
4.2  两阶段非局部均值去噪框架31
4.2.1  去噪过程32
4.2.2  图像块相似性度量33
4.2.3  抗噪的差分算子35
4.2.4  自适应参数选择方案37
4.3  实验结果与分析39
4.3.1  搜索窗口的设置39
4.3.2  去噪结果对比40
4.4  本章小结45
第5章  基于梯度直方图和非局部自相似先验的自适应纹理保持去噪方法46
5.1  概述46
5.2  自适应的纹理保持去噪框架49
5.2.1  满足超拉普拉斯分布的梯度直方图匹配先验50
5.2.2  非局部自相似（NSS）先验50
5.2.3  内容自适应的参数选择51
5.3  求解去噪模型53
5.3.1  x-子问题53
5.3.2  s-子问题54
5.3.3  迭代直方图匹配算法54
5.3.4  更新参数q和δ55
5.4  实验结果与分析56
5.4.1  参数设置56
5.4.2  与正则化去噪模型的比较56
5.4.3  与最新去噪方法的比较61
5.4.4  梯度保持性能63
5.4.5  运行时间64
5.5  本章小结65
第6章  基于SVD能量分布估计的低秩近似去噪方法66
6.1  概述66
6.2  基于SVD域的低秩近似去噪方法回顾――LRA-SVD方法67
6.3  基于能量分布估计的低秩去噪方法的问题描述68
6.3.1  边缘信息辅助的图像块匹配68
6.3.2  真实信号能量分布估计69
6.3.3  噪声方差约束的低秩矩阵近似71
6.3.4  加权组合72
6.3.5  迭代增强步骤72
6.4  实验结果与分析74
6.4.1  参数设置74
6.4.2  与代表性的方法比较74
6.4.3  与最新的去噪方法比较78
6.4.4  运行时间80
6.5  本章小结81
第7章  基于自适应增强方法的低秩去噪方法82
7.1  概述82
7.2  迭代增强技术的研究现状83
7.3  自适应增强的低秩去噪方法84
7.3.1  自适应增强的去噪框架85
7.3.2  最优解分析85
7.3.3  收敛性分析88
7.3.4  自适应的相似图像块搜索方案89
7.3.5  迭代停止准则90
7.4  实验结果与分析93
7.4.1  参数设置93
7.4.2  去噪结果93
7.5  本章小结98
第8章  基于结构信息提取的低秩图像去噪方法100
8.1  概述100
8.2  核维纳滤波101
8.3  基于结构信息提取的低秩图像去噪方法101
8.3.1  结构提取模型102
8.3.2  相似图像块分组103
8.3.3  基于低秩近似和核维纳滤波的SEM最优去噪模型104
8.3.4  优化算法105
8.4  实验结果与分析108
8.4.1  参数设置108
8.4.2  去噪结果110
8.4.3  运行时间117
8.5  本章小结118
第9章  基于稀疏表示与奇异值分解的图像细节保护去噪方法119
9.1  概述119
9.2  基于稀疏表示的去噪模型120
9.3  图像细节保护的去噪方法122
9.3.1  图像低频信息恢复122
9.3.2  图像高频信息恢复123
9.3.3  图像高频成分和低频成分的聚合130
9.4  实验结果与分析132
9.4.1  去噪性能比较132
9.4.2  运行时间比较136
9.5  本章小结137
第10章  基于增强低秩先验的两阶段图像去噪方法138
10.1  概述138
10.2  两阶段增强低秩先验模型去噪方法139
10.2.1  第1阶段：轮廓恢复139
10.2.2  第2阶段：细节恢复141
10.3  实验结果与分析148
10.3.1  参数设置149
10.3.2  TSLR方法分析150
10.3.3  与非深度学习方法的实验结果比较151
10.3.4  与深度学习方法的实验结果比较159
10.4  本章小结161
第11章  基于四元数组稀疏的彩色图像去噪方法162
11.1  概述162
11.2  彩色图像四元数分析163
11.2.1  四元数奇异值分解163
11.2.2  离散四元数傅里叶变换163
11.3  彩色图像去噪方法164
11.3.1  建立图像块组164
11.3.2  四元数组稀疏模型165
11.3.3  结合组稀疏与核维纳滤波的四元数去噪模型166
11.4  实验结果167
11.5  本章小结169
第12章  总结与展望170
12.1  总结170
12.2  展望172
参考文献174

内容摘要
图像复原去噪是从退化或损坏的图像中恢复原始图像的过程，该技术在医学成像、卫星成像、监控系统、遥感影像等多个领域有广泛的应用。本书研究图像复原去噪技术，基于多种图像块先验学习模型开展工作，分12章阐述主要研究成果。本书的重点是图像建模的复原去噪，将图像建模为符合某些先验分布的随机变量，学习自然图像的统计特征，然后利用最大后验估计重构退化图像。其中，图像先验是求解不适定图像复原问题的关键，早期的图像先验设计主要考虑图像的整体物理特征进行手工设计。近年来，研究人员的研究重点转向从图像块的角度去构建图像先验，基于图像块先验特征提升图像复原性能。图像复原去噪研究的问题作为典型的不适定数学逆问题，对推动问题驱动的数学理论和方法的研究起到重要作用，同时对促进数学与计算机科学、人工智能等领域的交叉融合及协同发展起到积极作用。本书的编写突出科学性和实用性，可为数字图像处理研究人员、计算机视觉研究人员及数字媒体终端技术研究人员提供参考。

   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