 |
-- 會員 / 註冊 --
|
 |
|
|
|
超分辨率圖像視頻復原方法及應用 ( 簡體 字) |
| 作者：徐夢溪，楊蕓 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 53347
詢問書籍請說出此書號！【缺書】
NT售價： 645 元 |
| 出版日：9/1/2020 |
| 頁數：206 |
| 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：9787115542465 |
| 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： |
內容簡介：近年來，在工業成像檢測、視頻監控、衛星遙感和航空攝影測量、醫療成像診斷、視頻娛樂系統、拍照增強和數字高清等許多領域，超分辨率圖像視頻復原技術（包括基于機器學習的技術）已成為解決領域應用問題和提升系統性能的重要技術手段。本書系統性介紹超分辨率圖像視頻復原技術的有關概念、方法和應用，共分為9章，內容包括緒論、超分辨率圖像視頻復原研究與進展、改進保真項與自適應雙邊全變分的正則化方法、基于像素流和時間特征先驗的視頻超分辨率方法、稀疏字典學習與超分辨率復原、自適應稀疏表示結合正則化約束的超分辨率方法、卷積神經網絡與超分辨率復原、ESPCN超分辨率技術在車輛牌照識別中的應用和光流法結合ESPCN的視頻超分辨率方法。
本書內容新穎，理論聯系實際，可作為計算機應用、電子信息工程、自動化、機械電子、儀器儀表等相關專業的研究生和高年級本科生、科研人員、工程技術人員的參考書。 |
目錄：第1 章緒論 1
1.1 引言 1
1.2 超分辨率復原的概念 3
1.3 超分辨率復原方法分類 7
1.4 超分辨率復原質量的評價 8
1.5 超分辨率復原技術的應用 9
參考文獻 11
第2 章超分辨率圖像/視頻復原研究與進展 13
2.1 基于重建的超分辨率復原方法 13
2.1.1 概述 13
2.1.2 基于頻域的超分辨率復原方法 14
2.1.3 基于空域的超分辨率復原方法 15
2.2 基于學習的超分辨率復原方法 23
2.2.1 基于淺層學習的超分辨率復原方法 24
2.2.2 基于深度學習的超分辨率復原方法 29
2.3 視頻超分辨率復原方法 34
2.4 其他超分辨率復原方法 38
參考文獻 40
第3 章改進保真項與自適應雙邊全變分的正則化方法 47
3.1 相關工作 47
3.2 圖像觀測模型和代價函數 49
3.3 Tukey 范數構建保真項和權值自適應BTV 正則化 50
3.3.1 雙邊全變分（BTV）正則化項 . 50
3.3.2 穩健估計與Tukey 范數函數 51
3.3.3 Tukey 范數構建保真項結合權值自適應BTV 正則化方法 53
3.4 超分辨率復原方法的性能評價 55
3.4.1 標準測試圖像的超分辨率實驗及算法性能評價 56
3.4.2 文本圖像的超分辨率實驗及算法性能評價 60
3.4.3 水面近紅外圖像的超分辨率實驗及算法性能評價 62
3.4.4 使用結構相似性SSIM 指標的算法性能評價 63
3.4.5 遙感影像超分辨率實驗及算法性能評價 65
參考文獻 72
第4 章基于像素流和時間特征先驗的視頻超分辨率方法 74
4.1 基于視頻時間的超分辨率問題描述 74
4.2 空間模糊與運動模糊的形成機制 75
4.3 像素流及退化降質過程建模 77
4.3.1 關于像素流 77
4.3.2 像素流退化降質過程建模 79
4.4 時間特征先驗作為解空間約束的像素流超分辨率復原 80
4.4.1 MAP 估計框架下像素流超分辨率復原的貝葉斯推理 80
4.4.2 像素流與基于時間特征先驗的建模 81
4.4.3 像素流超分辨率復原結果的估計 83
4.5 基于像素流和時間特征先驗建模的時 空超分辨率算法 83
4.6 超分辨率復原算法性能的評價 86
4.6.1 不同算法對測試視頻的實驗比較及性能評價 86
4.6.2 不同算法對真實視頻的實驗比較及性能評價 96
參考文獻 99
第5 章稀疏字典學習與超分辨率復原 102
5.1 稀疏表示與稀疏字典學習 102
5.2 基于稀疏表示的單幀圖像超分辨率方法 105
5.2.1 稀疏表示的局部模型與全局重構的約束增強 105
5.2.2 學習字典對 108
5.3 基于全局分析性稀疏先驗的超分辨率方法110
5.3.1 相關工作 110
5.3.2 基于全局分析性稀疏先驗的超分辨率圖像復原 111
5.3.3 算法性能的評價 116
參考文獻 120
第6 章自適應稀疏表示結合正則化約束的超分辨率方法 123
6.1 引言 123
6.2 非局部自相似先驗的正則化技術策略 125
6.3 自適應稀疏表示和改進的非局部自相似正則化項及SR 算法 126
6.3.1 圖像塊幾何結構信息分析和自適應稀疏表示 126
6.3.2 改進的非局部自相似正則化 128
6.3.3 基于自適應稀疏表示結合改進的非局部自相似正則化算法 130
6.4 超分辨率復原算法性能的評價 133
6.4.1 參數設置 134
6.4.2 算法對于不同訓練樣本集的穩健性實驗及性能評價 134
6.4.3 無噪和加噪情況下的實驗及算法性能評價 136
6.4.4 重構計算效率評價 139
參考文獻 140
第7 章卷積神經網絡與超分辨率復原 143
7.1 卷積神經網絡 143
7.1.1 引言 143
7.1.2 卷積神經網絡基本原理 145
7.1.3 前向傳播與反向傳播 156
7.2 圖像/視頻樣本數據集 158
7.3 基于卷積神經網絡的超分辨率復原 160
7.3.1 基于深度的卷積神經網絡的超分辨復原方法 161
7.3.2 基于高效的亞像素卷積神經網絡超分辨率復原方法 63
7.3.3 基于深度遞歸卷積網絡的超分辨率復原方法 164
參考文獻 167
第8 章 ESPCN 超分辨率技術在車輛牌照識別中的應用 169
8.1 引言 169
8.2 基于ESPCN 的單幀車輛圖像超分辨率復原 172
8.2.1 構造車輛 車輛牌照圖像數據集和訓練集及測試集 172
8.2.2 單幀車輛圖像超分辨率的ESPCN-VI 模型 173
8.3 車輛圖像超分辨率復原算法的性能評價 177
8.3.1 使用常規定量指標的算法性能評 177
8.3.2 使用車輛牌照識別正確率指標的算法性能評價 180
參考文獻 183
第9 章光流法結合ESPCN 的視頻超分辨率方法 185
9.1 關于光流法 185
9.2 光流法幀間運動估計與ESPCN 模型 188
9.2.1 視頻超分辨率復原過程 188
9.2.2 光流法相鄰幀間運動估計結合ESPCN 的模型結構 191
9.3 視頻幀的超分辨率性能評價與分析 192
9.3.1 數據集及參數設置 192
9.3.2 算法性能的評價 195
9.4 幀分辨率與幀率的擴增 199
9.4.1 視頻幀超分辨率與插幀技術 200
9.4.2 視頻超分辨率實驗與分析 201
參考文獻 205 |
| 序： |
|
