面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新正版 极速发货
￥ 28.87 4.5折 ￥ 64 全新
库存2件
作者田丹
出版社中国水利水电出版社
ISBN9787517085409
出版时间2020-05
装帧平装
开本16开
定价64元
货号1202081176
上书时间2024-06-07
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
章绪论
1.1强噪声场景下视觉目标跟踪的研究意义
1.2研究现状分析
1.2.1变分图像去噪方法研究现状
1.2.2分数阶微积分理论在图像处理应用中的研究现状
1.2.3低秩稀疏学习目标跟踪方法研究现状
1.3本书的主要工作
第2章变分问题的基本计算方法
2.1引言
2.2正则化参数的调整算法
2.2.1广义交叉验证法
2.2.2L曲线方法
2.2.3全局方差估计法
2.2.4局部方差估计法
2.3典型的变分数值算法
2.3.1梯度下降法
2.3.2投影法
2.3.3快速阈值收缩迭代法
2.3.4加权范数迭代法
2.3.5MM算法
第3章基于变分理论的自适应原始对偶去噪算法
3.1引言
3.2ROF模型及其变换形式
3.2.1ROF模型
3.2.2ROF原始对偶模型
3.3数值算法
3.3.1基于预解式的原始对偶算法
3.3.2几种相似算法的关系性分析
3.3.3自适应原始对偶去噪算法的描述
3.3.4收敛性分析
3.3.5参数选择
3.4数值实验与分析
3.4.1算法性能的分析与比较
3.4.2正则化参数调整策略的分析与比较
3.5本章小结
第4章基于分数阶变分理论的加性噪声去除算法
4.1引言
4.2分数阶微积分的定义
4.2.1Grünwald-Letnikov分数阶微积分
4.2.2Riemann-Liouville分数阶微积分
4.2.3Caputo分数阶微积分
4.2.4Fourier变换域的分数阶微积分
4.3分数阶去噪模型的提出
4.4数值算法
4.4.1算法描述
4.4.2收敛性分析
4.4.3参数选择
4.5数值实验与分析
4.5.1正则化参数选取策略的分析与比较
……
内容摘要
跟踪方法。基于变分法和分数阶微积分理论改善强噪声场景下的视觉信息质量问题；基于低秩表示和稀疏表示理论解决目标外观多样性情况下的表观建模问题；基于融合Lasso、变分法和分数阶微积分理论解决复杂环境遮挡带来的目标特征丢失问题和目标快速运动带来的跟踪漂移问题；基于反向稀疏表示描述解决跟踪模型在线学习的计算效率问题。
本书可供高等院校自动化、计算机、电子信息等相关专业的本科生和研究生，以及从事计算机视觉和数字图像处理领域的工程技术人员和研究人员参考阅读。
相关推荐
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新广州
￥ 28.87
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新广州
￥ 26.87
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新保定
￥ 17.90
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新广州
￥ 26.87
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新广州
￥ 32.00
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新天津
￥ 21.12
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新成都
￥ 26.28
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新广州
￥ 30.94
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新南昌
￥ 24.78
-
面向强噪声场景的低秩稀疏学习视觉目标跟踪方法
全新南京
￥ 35.84
— 没有更多了 —
以下为对购买帮助不大的评价