 |
-- 會員 / 註冊 --
|
 |
|
|
|
圖像去噪復原方法研究 ( 簡體 字) |
| 作者：王小玉 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 46448
詢問書籍請說出此書號！【缺書】
NT售價： 245 元 |
| 出版日：3/1/2017 |
| 頁數：188 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121300684 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：前 言
隨著多媒體技術和網絡技術的飛速發展，在人們的工作、學習和生活中，圖像信息越來越重要。但是，圖像在獲取、存儲和傳輸等過程的各個環節，會受到技術上的限制、天氣因素及一些其他因素的影響，導致最終獲取的圖像不可避免地存在各種圖像質量下降問題，表現為圖像模糊、失真、有噪聲等。而我們需要的是清晰的、高分辨率的圖像，因此，對降質的圖像進行去噪復原在實際應用和生活中具有非常重要的意義。
圖像去噪方法很多，本書主要闡述的是小波閾值去噪和基于偏微分方程的圖像去噪方法。首先，本書以傳統的軟硬閾值去噪存在的缺點為基礎，從以下4個方面進行闡述：改進傳統的小波去噪函數；改進傳統的統一閾值；利用基于小波變換的閾值去噪函數的改進型與脊波變換去噪；利用圖像融合的方法將改進小波閾值函數的去噪方法和基于脊波變換的去噪方法獲得的圖像融合。一個好的去噪方法應該既能夠有效地消除圖像中的噪聲，又能夠很好地保留圖像中的邊緣細節結構，而傳統的去噪方法顯得有些力不從心。基于偏微分方程的圖像去噪方法作為一種有效的圖像去噪方法，能夠有效地平衡去除噪聲和保持圖像結構信息方面之間的矛盾，使去噪圖像能夠得到很好的視覺效果，受到了學者們的廣泛研究。其次，本書闡述了將偏微分方程應用于圖像中加性噪聲的去除。詳細分析了張量驅動型曲率保持PDE濾波方法，該方法可以做進一步的改進來提高圖像去噪效果，對此進行了相關的分析和研究。非局部均值濾波是近年提出的一種有效的去噪方法，受到了廣泛研究，將非局部濾波的思想應用于基于PDE的圖像去噪方法中，結合變分法和非局部均值濾波法來對圖像濾波，獲得了更好的去噪結果。最后，本書闡述了超分辨率圖像復原方法。闡述了一種基于內容的雙字典學習及稀疏表示的超分辨率圖像復原方法。把圖像的高頻成分分解為主要高頻部分和冗余高頻部分，分別有步驟地進行訓練和構建稀疏字典，將待復原的圖像進行雙層次的超分辨率圖像復原。針對超低分辨率人臉圖像復原問題，本書闡述了一種基于DCT的改進方法，實驗結果表明改進的DCT方法可以在超低分辨率的人臉圖像復原中獲得比較好的表現。
在本書的編寫過程中，參考了大量的國內外相關技術資料、書籍、學術期刊和學術論文，吸取了許多專家和同仁的寶貴經驗，在此向他們深表謝意！實驗用圖來自MATLAB自帶圖及中科院的人臉庫，在此表示感謝！感謝黑龍江省教育廳科學研究項目（編號：12541177）的資助！感謝姜峰、董薇、顧麗、冉起、張亞洲、歐曉旭、郭曉中、王璐、孟曄在資料整理過程中所付出的辛勤工作！特別感謝電子工業出版社的編輯為本書出版做的大量細致的工作！感謝哈爾濱理工大學的支持！
本書涉及內容廣泛，由于作者學識所限，書中難免存在疏漏和不足之處，懇請廣大讀者批評指正。
作 者
2016年 |
內容簡介：本書是作者在多年進行圖像去噪圖像復原研究的基礎之上撰寫而成的，系統地論述和分析了圖像去噪圖像復原的相關技術和理論。本書主要介紹小波分析和脊波變換、小波閾值去噪方法、基于脊波變換和圖像融合的去噪方法、加權型曲率保持PDE圖像濾波方法、結構保持的非局部圖像變分模型與算法、圖像復原相關理論、基于內容的雙重字典學習的圖像復原方法等。 |
目錄：? 第1章 緒論 1
1.1 研究目的和意義 1
1.2 圖像去噪的研究概況與展望 3
1.2.1 國外研究概況 4
1.2.2 國內研究概況 8
1.2.3 存在的問題及發展展望 11
1.3 圖像復原的研究概況和展望 13
1.3.1 國外研究概況 13
1.3.2 國內研究概況 17
1.3.3 存在的問題及發展展望 21
1.4 圖像質量評價 22
1.4.1 主觀質量評價法 24
1.4.2 客觀質量評價法 25
? 第2章 小波分析和脊波變換 29
2.1 小波分析基本理論 29
2.1.1 傅里葉變換到小波分析 29
2.1.2 連續小波變換 32
2.1.3 離散小波變換 33
2.1.4 多分辨分析與Mallet算法 34
2.2 脊波變換基本理論 36
2.2.1 脊波變換 36
2.2.2 離散脊波變換 38
2.3 本章小結 40
? 第3章 小波閾值去噪 41
3.1 小波閾值去噪原理 41
3.2 小波閾值去噪函數 42
3.3 改進的小波閾值去噪函數 44
3.4 改進的統一閾值 45
3.5 仿真實驗與結果 46
3.5.1 仿真實驗過程 46
3.5.2 實驗結果 47
3.6 本章小結 50
? 第4章 基于脊波變換和圖像融合的去噪 51
4.1 脊波變換與改進的小波閾值去噪 51
4.1.1 脊波變換去噪過程 52
4.1.2 脊波與小波融合去噪過程 52
4.2 仿真實驗與結果 53
4.2.1 仿真實驗 53
4.2.2 實驗結果 54
4.3 圖像融合的方法 58
4.4 本章小結 59
? 第5章 基于偏微分方程的圖像去噪 61
5.1 基于偏微分方程的去噪方法 61
5.2 變分法與PDE的相關理論 63
5.3 基于偏微分方程的圖像去噪模型 66
5.3.1 各向同性PDE擴散模型 66
5.3.2 線性擴散PDE模型 68
5.3.3 非線性擴散PDE模型 70
5.4 本章小結 72
? 第6章 加權型曲率保持PDE圖像濾波方法 73
6.1 結構張量 74
6.1.1 線性結構張量 74
6.1.2 非線性結構張量 76
6.2 線積分卷積 77
6.3 基于加權型曲率保持PDE圖像去噪 79
6.3.1 模型的提出 79
6.3.2 擴散張量的構造 80
6.3.3 權重函數的構造 81
6.3.4 實驗驗證和分析 83
6.4 本章小結 85
? 第7章 結構保持的非局部圖像變分模型與算法 87
7.1 非局部平均濾波方法 88
7.1.1 非局部均值濾波法 89
7.1.2 非局部算子 91
7.2 非局部總廣義變分模型及數值解法 92
7.3 基于Patch相似性保真的圖像變分模型 94
7.3.1 模型的提出 94
7.3.2 實驗驗證及分析 96
7.4 基于Patch相似性的WCPDE濾波方法 97
7.4.1 模型的提出 97
7.4.2 實驗驗證及分析 99
7.5 本章小結 100
? 第8章 超分辨率圖像復原相關理論 101
8.1 超分辨率圖像復原的模型 101
8.2 傳統超分辨率復原算法概述 104
8.2.1 基于插值的算法 104
8.2.2 基于重建的算法 105
8.2.3 基于學習的算法 107
8.3 稀疏表示理論 110
8.3.1 稀疏表示的數學模型 110
8.3.2 常用算法 112
8.3.3 相關定理 115
8.4 本章小結 117
? 第9章 基于內容的字典學習的超分辨率圖像復原 118
9.1 字典學習 118
9.1.1 數學模型 119
9.1.2 常用算法 120
9.2 基于內容的字典學習和稀疏表示的超分辨率圖像復原 122
9.2.1 聚類分析算法概述 122
9.2.2 K-means算法 123
9.2.3 圖像重構 124
9.3 仿真實驗與分析 128
9.4 本章小結 133
? 第10章 基于內容的雙字典學習的圖像超分辨率復原 134
10.1 雙字典的構建 135
10.2 圖像的復原操作 138
10.3 仿真實驗與分析 140
10.4 本章小結 144
? 第11章 超低分辨率人臉圖像復原研究 146
11.1 DCT變換方法 146
11.1.1 DCT變換的壓縮數據原理 147
11.1.2 DCT變換系數 147
11.2 基于DCT變換的圖像復原 148
11.3 基于DCT變換的人臉復原算法改進 152
11.4 算法在超低分辨率人臉復原中的實現 154
11.5 仿真實驗與分析 155
11.6 本章小結 157
參考文獻 158 |
| 序： |
|
