![单幅图像超分辨率重构技术](http://image12.bookschina.com/2022/20221225/1/8601646.jpg)
包邮单幅图像超分辨率重构技术
¥81.0
(7.5折)
?
1星价
¥81.0
2星价¥81.0
定价¥108.0
![](http://o.bookschina.com/images/ling2.png?id=1)
暂无评论
图文详情
- ISBN:9787030685940
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:16开
- 页数:175
- 出版时间:2021-05-01
- 条形码:9787030685940 ; 978-7-03-068594-0
内容简介
本书是作者在多年进行图像超分辨率重构技术研究的基础上撰写而成的。本书针对实际应用需求,重点研究单幅图像的超分辨率处理技术,系统地研究了数字图像超分辨率处理中的相关技术,涵盖了基于多项式近似理论的传统插值方法、基于模型/重构的超分辨率重构方法和基于机器学习的超分辨率重构方法,每一类技术中又包含了诸多小类。本书从原理上介绍了各类超分辨率重构算法的典型代表,并深入分析了这些技术存在的主要问题及出现这些问题的主要原因,很后针对这些问题提出了具体的解决方法。本书为图像超分辨率重构算法研究提供了理论基础,对其应用也具有一定的指导意义。 本书可供从事图像处理、计算机视觉、应用数学研究的教师、研究生、研究人员和工程技术人员参考。
目录
目录
第1章 绪论 1
1.1 研究背景及意义 1
1.2 研究现状与发展趋势 2
1.2.1 国内外研究现状 2
1.2.2 发展趋势及展望 5
1.3 本书的主要贡献 6
1.4 本书的结构安排 8
参考文献 9
第2章 数字图像超分辨率处理简介 13
2.1 图像分辨率的基本概念 13
2.2 图像分辨率的退化模型 14
2.3 超分辨率处理的基本原理 16
2.4 超分辨率处理的基本分类 16
2.4.1 根据输入图像数量分类 17
2.4.2 根据操作对象所在域分类 17
2.4.3 根据模糊核假设分类 17
2.4.4 根据理论基础分类 18
2.5 本章小结 19
参考文献 20
第3章 图像稀疏表示理论及应用 23
3.1 信号稀疏表示理论 24
3.1.1 信号的稀疏表示模型 24
3.1.2 稀疏表示的字典构建 27
3.1.3 稀疏表示的分解算法 31
3.2 基于稀疏表示的图像处理应用 33
3.2.1 正则化图像处理 33
3.2.2 稀疏表示图像处理 34
3.3 基于压缩感知的图像超分辨率重构 37
3.3.1 压缩感知基本原理 37
3.3.2 压缩感知与图像超分辨率 38
3.4 本章小结 39
参考文献 39
第4章 基于插值技术的超分辨率重构方法 44
4.1 常见的图像插值算法 44
4.1.1 传统多项式插值技术 44
4.1.2 面向边缘的插值技术 53
4.1.3 基于机器学习的插值技术 56
4.2 插值算法的主要问题 57
4.3 基于密切多项式近似的多项式插值理论 58
4.3.1 密切多项式近似理论 58
4.3.2 导数近似规则 59
4.3.3 导数近似边界条件 60
4.3.4 密切多项式插值框架的作用 62
4.4 数值试验与理论分析 65
4.4.1 空间域分析 65
4.4.2 频率域分析 67
4.5 本章小结 69
参考文献 69
第5章 基于模型/重构的超分辨率重构方法 71
5.1 常见的模型/重构算法 71
5.1.1 基于先验模型的图像超分辨率 72
5.1.2 基于概率模型的图像超分辨率重构 74
5.1.3 基于偏微分方程的图像超分辨率重构 75
5.2 重构算法的主要问题 78
5.3 基于泰勒展开式与曲率逆向驱动的超分辨率算法 78
5.3.1 基于泰勒展开式的预处理 79
5.3.2 基于曲率逆向驱动的后处理 81
5.3.3 等照度线曲率的计算 83
5.3.4 数值实验与理论分析 83
5.3.5 算法小结 86
5.4 曲率驱动的类双线性快速图像插值 87
5.4.1 类双线图像插值模型 87
5.4.2 图像灰度曲面曲率 88
5.4.3 曲率驱动的图像插值算法设计 90
5.4.4 实验与分析 94
5.4.5 算法小结 101
5.5 本章小结 101
参考文献 101
第6章 基于机器学习的超分辨率重构技术 104
6.1 常见的机器学习算法简介 104
6.1.1 样本学习 105
6.1.2 邻域嵌入 106
6.1.3 稀疏表达 107
6.1.4 深度学习 109
6.2 学习算法的主要问题 111
6.3 基于盲模糊核估计的机器学习方法 112
6.3.1 改进的盲模糊核估计算法 113
6.3.2 基于对偶词典训练的超分辨率重构 115
6.3.3 基于锚定空间映射的超分辨率重建 117
6.3.4 数值试验与理论分析 119
6.4 本章小结 129
参考文献 129
第7章 基于稀疏表示的图像超分辨率重构技术 133
7.1 离线字典学习与匹配追踪稀疏表示的图像超分辨率重构 133
7.1.1 基于稀疏表示的超分辨率重构模型 134
7.1.2 基于匹配追踪的信号稀疏表示 134
7.1.3 超完备稀疏表示的离线式字典学习 136
7.1.4 基于超完备稀疏表示的超分辨率重构 140
7.1.5 实验仿真与分析 141
7.1.6 算法小结 150
7.2 在线字典学习与盲稀疏分解的图像超分辨率增强 150
7.2.1 图像超分辨率增强模型 151
7.2.2 基于盲稀疏度的稀疏分解 151
7.2.3 基于在线学习的图像超分辨率增强 153
7.2.4 实验仿真与分析 155
7.2.5 算法小结 162
7.3 字典级联与逼近L0范数稀疏表示的图像超分辨率重构 162
7.3.1 问题描述 163
7.3.2 超完备字典的构建与级联 163
7.3.3 光滑逼近L0范数的稀疏表示 165
7.3.4 图像超分辨率重构 167
7.3.5 实验仿真与分析 167
7.3.6 算法小结 173
7.4 本章小结 173
参考文献 174
第1章 绪论 1
1.1 研究背景及意义 1
1.2 研究现状与发展趋势 2
1.2.1 国内外研究现状 2
1.2.2 发展趋势及展望 5
1.3 本书的主要贡献 6
1.4 本书的结构安排 8
参考文献 9
第2章 数字图像超分辨率处理简介 13
2.1 图像分辨率的基本概念 13
2.2 图像分辨率的退化模型 14
2.3 超分辨率处理的基本原理 16
2.4 超分辨率处理的基本分类 16
2.4.1 根据输入图像数量分类 17
2.4.2 根据操作对象所在域分类 17
2.4.3 根据模糊核假设分类 17
2.4.4 根据理论基础分类 18
2.5 本章小结 19
参考文献 20
第3章 图像稀疏表示理论及应用 23
3.1 信号稀疏表示理论 24
3.1.1 信号的稀疏表示模型 24
3.1.2 稀疏表示的字典构建 27
3.1.3 稀疏表示的分解算法 31
3.2 基于稀疏表示的图像处理应用 33
3.2.1 正则化图像处理 33
3.2.2 稀疏表示图像处理 34
3.3 基于压缩感知的图像超分辨率重构 37
3.3.1 压缩感知基本原理 37
3.3.2 压缩感知与图像超分辨率 38
3.4 本章小结 39
参考文献 39
第4章 基于插值技术的超分辨率重构方法 44
4.1 常见的图像插值算法 44
4.1.1 传统多项式插值技术 44
4.1.2 面向边缘的插值技术 53
4.1.3 基于机器学习的插值技术 56
4.2 插值算法的主要问题 57
4.3 基于密切多项式近似的多项式插值理论 58
4.3.1 密切多项式近似理论 58
4.3.2 导数近似规则 59
4.3.3 导数近似边界条件 60
4.3.4 密切多项式插值框架的作用 62
4.4 数值试验与理论分析 65
4.4.1 空间域分析 65
4.4.2 频率域分析 67
4.5 本章小结 69
参考文献 69
第5章 基于模型/重构的超分辨率重构方法 71
5.1 常见的模型/重构算法 71
5.1.1 基于先验模型的图像超分辨率 72
5.1.2 基于概率模型的图像超分辨率重构 74
5.1.3 基于偏微分方程的图像超分辨率重构 75
5.2 重构算法的主要问题 78
5.3 基于泰勒展开式与曲率逆向驱动的超分辨率算法 78
5.3.1 基于泰勒展开式的预处理 79
5.3.2 基于曲率逆向驱动的后处理 81
5.3.3 等照度线曲率的计算 83
5.3.4 数值实验与理论分析 83
5.3.5 算法小结 86
5.4 曲率驱动的类双线性快速图像插值 87
5.4.1 类双线图像插值模型 87
5.4.2 图像灰度曲面曲率 88
5.4.3 曲率驱动的图像插值算法设计 90
5.4.4 实验与分析 94
5.4.5 算法小结 101
5.5 本章小结 101
参考文献 101
第6章 基于机器学习的超分辨率重构技术 104
6.1 常见的机器学习算法简介 104
6.1.1 样本学习 105
6.1.2 邻域嵌入 106
6.1.3 稀疏表达 107
6.1.4 深度学习 109
6.2 学习算法的主要问题 111
6.3 基于盲模糊核估计的机器学习方法 112
6.3.1 改进的盲模糊核估计算法 113
6.3.2 基于对偶词典训练的超分辨率重构 115
6.3.3 基于锚定空间映射的超分辨率重建 117
6.3.4 数值试验与理论分析 119
6.4 本章小结 129
参考文献 129
第7章 基于稀疏表示的图像超分辨率重构技术 133
7.1 离线字典学习与匹配追踪稀疏表示的图像超分辨率重构 133
7.1.1 基于稀疏表示的超分辨率重构模型 134
7.1.2 基于匹配追踪的信号稀疏表示 134
7.1.3 超完备稀疏表示的离线式字典学习 136
7.1.4 基于超完备稀疏表示的超分辨率重构 140
7.1.5 实验仿真与分析 141
7.1.6 算法小结 150
7.2 在线字典学习与盲稀疏分解的图像超分辨率增强 150
7.2.1 图像超分辨率增强模型 151
7.2.2 基于盲稀疏度的稀疏分解 151
7.2.3 基于在线学习的图像超分辨率增强 153
7.2.4 实验仿真与分析 155
7.2.5 算法小结 162
7.3 字典级联与逼近L0范数稀疏表示的图像超分辨率重构 162
7.3.1 问题描述 163
7.3.2 超完备字典的构建与级联 163
7.3.3 光滑逼近L0范数的稀疏表示 165
7.3.4 图像超分辨率重构 167
7.3.5 实验仿真与分析 167
7.3.6 算法小结 173
7.4 本章小结 173
参考文献 174
展开全部
本类五星书
本类畅销
-
影视动画场景设计与表现
¥15.3¥39.0 -
Excel 实战应用大全
¥17.9¥49.8 -
Photoshop图像处理标准培训教程
¥21.4¥68.0 -
人工智能中的机器学习研究及应用
¥17.6¥52.0 -
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59.0 -
机器学习人工智能及应用研究
¥17.0¥50.0 -
十二字节
¥42.4¥69.0 -
数字影音后期制作案例教程:Premiere ProCC+AFter Effects CC
¥18.3¥54.0 -
Python编程 从入门到实践 第2版
¥56.1¥89.0 -
人工智能
¥18.6¥55.0 -
123D Design玩转3D打印
¥19.6¥58.0 -
机器学习
¥44.1¥88.0 -
Photoshop CS图像处理技术
¥27.2¥36.0 -
安全的神话-计算机安全行业不想让你知道的事
¥15.4¥42.0 -
卷积神经网络与图像分类
¥45.5¥65.0 -
高校计算机专业应用型人才培养研究
¥38.4¥68.0 -
图像拟态融合理论、模型和应用
¥116.9¥148.0 -
生成式AI入门与AWS实战
¥69.9¥99.8 -
多模态数据下的推荐算法及在线评论行为研究
¥55.4¥68.0 -
时间标度复杂网络同步控制研究
¥38.4¥68.0