掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
圖像復原技術 版權信息
- ISBN：9787030652867
- 條形碼：9787030652867 ; 978-7-03-065286-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖像復原技術 本書特色
系統地介紹了湍流退化圖像復原的相關理論、技術和方法。
圖像復原技術 內容簡介
本書主要針對航天應用中的湍流退化圖像的去噪聲、去模糊、去偏移和畸變校正等，系統地介紹了湍流退化圖像復原的相關理論、技術和方法。本書分為5篇13章。篇介紹了湍流效應的成因、概念及退化圖像復原的基本思路。第二篇介紹了基于低秩矩陣和稀疏正則化的圖像盲復原等多種湍流退化圖像盲復原新方法。第三篇介紹了基于圖像稀疏先驗和機器學習的圖像復原方法等多種智能化的退化圖像復原方法和視頻序列圖像復原方法。第四篇介紹了湍流退化圖像的去模糊、去振鈴、抖動穩像和畸變校正等圖像復原新方法。第五篇介紹了圖像復原性能驗證與復原圖像質量評價。本書內容理論與實踐并重，針對性與系統性較強，具有重要的理論意義和應用參考價值。
圖像復原技術 目錄
目錄
前言
**篇 湍流效應及退化圖像復原
第1章 湍流退化圖像復原方法綜述 3
1.1 湍流效應的成因和內涵 3
1.2 圖像退化模型 5
1.2.1 模糊降質模型 5
1.2.2 畸變失真模型 5
1.3 退化圖像復原方法的分類 6
1.3.1 圖像去模糊 6
1.3.2 圖像偏移校正 8
1.4 單幅退化圖像復原方法 10
1.4.1 正則化處理方法 10
1.4.2 確定正則化圖像復原方法 10
1.4.3 隨機正則化圖像復原方法 12
1.4.4 基于局部相似性的圖像復原方法 12
1.4.5 基于示例學習的圖像復原方法 13
1.5 視頻序列圖像的復原方法 14
1.5.1 視頻復原的特征 15
1.5.2 三維解卷積與幾種視頻復原方法 16
1.6 圖像復原的難點 18
1.6.1 視覺認知計算與圖像復原 18
1.6.2 圖像理解與圖像復原 18
1.7 本章小結 19
第二篇 圖像盲復原方法
第2章 基于PSF估計的自適應盲復原方法 23
2.1 基于冗余提升NSWT的PSF估計 23
2.1.1 大氣湍流PSF辨識基礎 23
2.1.2 常見PSF類型 25
2.1.3 已有PSF的估計方法 26
2.1.4 冗余提升NSWT的實現 28
2.1.5 基于冗余提升NSWT的PSF估計算法 30
2.2 基于PSF估計的自適應維納濾波盲復原方法 33
2.2.1 維納濾波 33
2.2.2 基于PSF估計的*小二乘曲線擬合維納濾波復原方法 34
2.2.3 圖像復原評價方法 37
2.2.4 實驗與分析 38
2.3 基于PSF估計的自適應增量迭代維納濾波 42
2.3.1 增量迭代維納濾波原理 43
2.3.2 基于步長迭代控制的自適應增量維納濾波算法 44
2.3.3 實驗與分析 45
2.4 本章小結 48
第3章 基于稀疏多正則化的湍流圖像盲復原方法 49
3.1 正則化復原與振鈴效應 50
3.1.1 正則化復原 50
3.1.2 振鈴效應 52
3.2 基于稀疏多正則約束的盲復原 53
3.2.1 空間目標圖像的退化特點 53
3.2.2 多正則約束的復原模型 55
3.2.3 模型的優化求解 56
3.2.4 振鈴抑制的非盲解卷積 61
3.2.5 實驗與分析 61
3.3 本章小結 67
第4章 基于低秩矩陣和稀疏正則化的圖像盲復原方法 68
4.1 噪聲對核估計的影響和低秩稀疏分解模型 68
4.1.1 噪聲對核估計的影響 69
4.1.2 低秩稀疏分解模型 70
4.2 結合非局部相似聚類和低秩矩陣的稀疏正則化盲解卷積 71
4.2.1 非局部相似塊結構組的低秩恢復 72
4.2.2 結合低秩矩陣和稀疏正則化的模型 73
4.2.3 模型的優化求解 74
4.2.4 非盲解卷積 76
4.2.5 實驗與分析 76
4.3 本章小結 83
第5章 基于回歸映射的圖像盲復原方法 84
5.1 退化模型的學習訓練和*小二乘支持向量回歸 84
5.1.1 退化模型的學習訓練 84
5.1.2 *小二乘支持向量回歸 85
5.2 基于果蠅優化的LSSVR圖像復原方法 85
5.2.1 LSSVR模型參數優化 86
5.2.2 回歸映射的復原流程 87
5.2.3 實驗與分析 88
5.3 湍流序列圖像的快速去模糊 92
5.3.1 成像條件分析 92
5.3.2 基于峰度的模型更新 93
5.3.3 實驗與分析 94
5.4 本章小結 96
第三篇 基于視覺認知的退化圖像復原方法
第6章 基于圖像稀疏先驗信息和機器學習的圖像復原方法 99
6.1 圖像的統計特性 99
6.1.1 自相似性和尺度不變性 99
6.1.2 非高斯性 100
6.1.3 邊緣主導特性和高維奇異性 100
6.2 基于有效邊緣先驗估計的圖像復原方法 100
6.2.1 圖像復原的MAP估計方法 101
6.2.2 PSF估計的有效邊緣映射圖 101
6.2.3 基于ISD的PSF改良 103
6.2.4 快速的TV-L1解卷積 105
6.2.5 實驗與分析 107
6.3 基于圖像塊相似性和稀疏先驗信息的圖像復原方法 109
6.3.1 圖像的稀疏先驗模型 109
6.3.2 從塊相似性到圖像復原 110
6.3.3 EPLL與幾種基于學習的復原框架比較 110
6.3.4 EPLL的框架和優化 111
6.3.5 EPLL框架下的稀疏先驗復原 112
6.3.6 實驗與分析 113
6.4 本章小結 115
第7章 基于視覺認知和字典學習的圖像復原方法 116
7.1 視覺認知與圖像表征 116
7.1.1 HVS的層次結構與計算機視覺的處理機制 116
7.1.2 HVS的選擇注意機制與相關模型 117
7.1.3 圖像與圖像變換的視覺建模 118
7.1.4 基于人眼視覺特性的圖像表征方法 119
7.2 基于視覺認知特性的全局圖像復原方法 119
7.2.1 人眼視覺對比敏感度的機理 120
7.2.2 基于視覺對比敏感度與恰可察覺失真感知的圖像復原方法 120
7.2.3 實驗與分析 126
7.3 基于字典學習和局部分塊相似性的圖像復原方法 127
7.3.1 圖像塊的稀疏分解與字典學習 127
7.3.2 對典型字典學習圖像復原方法的分析和改進 128
7.3.3 基于字典對聯合學習的退化圖像復原方法 129
7.3.4 實驗與分析 133
7.4 本章小結 135
第8章 基于視覺認知的視頻序列圖像復原方法 136
8.1 圖像幾何校正、圖像配準和運動補償 136
8.1.1 圖像的幾何校正 136
8.1.2 圖像配準 137
8.1.3 運動補償 138
8.2 基于增廣拉格朗日的快速視頻復原方法 138
8.2.1 時空TV的拉格朗日視頻復原方法的框架和思想 139
8.2.2 增廣拉格朗日視頻復原方法的參數選擇 141
8.2.3 實驗與分析 142
8.3 基于非凸勢函數優化與動態自適應濾波的退化視頻復原方法 144
8.3.1 湍流退化視頻的相關工作 145
8.3.2 圖像復原的非凸優化框架及算法 147
8.3.3 動態自適應濾波的視頻復原方法 150
8.3.4 實驗與分析 152
8.4 本章小結 153
第四篇 湍流退化圖像的去模糊、去振鈴、抖動穩像和畸變校正
第9章 面向特定退化類型的空間變化模糊圖像復原方法 157
9.1 圖像模糊退化的常見類型 157
9.1.1 運動模糊 157
9.1.2 離焦模糊 158
9.1.3 高斯模糊 159
9.2 基于透明性的目標運動模糊圖像復原方法 160
9.2.1 目標運動模糊分析 161
9.2.2 目標的二維運動去模糊方法 166
9.2.3 實驗與分析 166
9.3 基于光流約束和光譜蒙板的空間運動模糊圖像復原方法 168
9.3.1 運動模糊約束條件 170
9.3.2 空間變化運動模型與改進的模糊圖像復原方法 173
9.3.3 實驗與分析 176
9.4 基于模糊映射圖的空間變化離焦模糊圖像復原方法 178
9.4.1 圖像的離焦模型 179
9.4.2 模糊映射圖的生成方法 180
9.4.3 利用L1-2優化的圖像復原方法 180
9.4.4 圖像重構與尺度選擇 182
9.4.5 實驗與分析 182
9.5 本章小結 183
第10章 基于邊緣分離的去振鈴圖像復原方法 185
10.1 圖像盲復原方法與振鈴效應 185
10.1.1 圖像盲復原方法 185
10.1.2 振鈴效應抑制及評價 186
10.2 基于邊緣分離的去振鈴復原算法 188
10.2.1 算法描述 188
10.2.2 實驗與分析 191
10.3 本章小結 200
第11章 湍流退化圖像偏移的畸變校正 201
11.1 湍流像素偏移與圖像非剛性配準 201
11.1.1 湍流像素偏移分析 202
11.1.2 圖像非剛性配準 204
11.2 基于仿射變換和B樣條非剛性配準的偏移像素校正 205
11.2.1 像素偏移模型 205
11.2.2 配準流程分析 205
11.2.3 模型的優化求解 208
11.2.4 實驗與分析 210
11.3 本章小結 215
第12章 湍流退化序列的抖動穩像和運動檢測 216
12.1 序列的退化模型和序列中的運動檢測 216
12.1.1 序列的退化模型 216
12.1.2 序列中的運動檢測 217
12.2 基于低秩稀疏分解的湍流序列穩像和復原 218
12.2.1 湍流序列的低秩稀疏分解 218
12.2.2 模型的優化求解 219
12.2.3 序列圖像復原 220
12.2.4 實驗與分析 221
12.3 湍流退化視頻的運動目標檢測 225
12.3.1 自適應閾值的稀疏目標提取 226
12.3.2 高斯模型的前景提取 226
12.3.3 檢測區域的融合判定 227
12.3.4 實驗與分析 228
12.4 本章小結 231
第五篇 圖像復原性能驗證與圖像質量評價
第13章 圖像復原性能驗證與圖像質量的智能評價 235
13.1 視覺認知的過程和特性 235
13.1.1 視網膜的信息認知過程 236
13.1.2 視覺認知的生理學特性 236
13.1.3 視覺認知的心理學特性 237
13.2 基于HVS的仿生學圖像質量評價框架 240
13.2.1 無參考型圖像質量評價方法 240
13.2.2 基于誤差可見度的仿生學圖像質量評價框架 241
13.3 基于生物視覺標準模型的無參考型圖像質量評價 242
13.3.1 生物視覺ST模型 243
13.3.2 *小二乘支持向量機回歸算法 243
13.3.3 實驗與分析 245
13.4 本章小結 249
參考文獻 250
前言
**篇 湍流效應及退化圖像復原
第1章 湍流退化圖像復原方法綜述 3
1.1 湍流效應的成因和內涵 3
1.2 圖像退化模型 5
1.2.1 模糊降質模型 5
1.2.2 畸變失真模型 5
1.3 退化圖像復原方法的分類 6
1.3.1 圖像去模糊 6
1.3.2 圖像偏移校正 8
1.4 單幅退化圖像復原方法 10
1.4.1 正則化處理方法 10
1.4.2 確定正則化圖像復原方法 10
1.4.3 隨機正則化圖像復原方法 12
1.4.4 基于局部相似性的圖像復原方法 12
1.4.5 基于示例學習的圖像復原方法 13
1.5 視頻序列圖像的復原方法 14
1.5.1 視頻復原的特征 15
1.5.2 三維解卷積與幾種視頻復原方法 16
1.6 圖像復原的難點 18
1.6.1 視覺認知計算與圖像復原 18
1.6.2 圖像理解與圖像復原 18
1.7 本章小結 19
第二篇 圖像盲復原方法
第2章 基于PSF估計的自適應盲復原方法 23
2.1 基于冗余提升NSWT的PSF估計 23
2.1.1 大氣湍流PSF辨識基礎 23
2.1.2 常見PSF類型 25
2.1.3 已有PSF的估計方法 26
2.1.4 冗余提升NSWT的實現 28
2.1.5 基于冗余提升NSWT的PSF估計算法 30
2.2 基于PSF估計的自適應維納濾波盲復原方法 33
2.2.1 維納濾波 33
2.2.2 基于PSF估計的*小二乘曲線擬合維納濾波復原方法 34
2.2.3 圖像復原評價方法 37
2.2.4 實驗與分析 38
2.3 基于PSF估計的自適應增量迭代維納濾波 42
2.3.1 增量迭代維納濾波原理 43
2.3.2 基于步長迭代控制的自適應增量維納濾波算法 44
2.3.3 實驗與分析 45
2.4 本章小結 48
第3章 基于稀疏多正則化的湍流圖像盲復原方法 49
3.1 正則化復原與振鈴效應 50
3.1.1 正則化復原 50
3.1.2 振鈴效應 52
3.2 基于稀疏多正則約束的盲復原 53
3.2.1 空間目標圖像的退化特點 53
3.2.2 多正則約束的復原模型 55
3.2.3 模型的優化求解 56
3.2.4 振鈴抑制的非盲解卷積 61
3.2.5 實驗與分析 61
3.3 本章小結 67
第4章 基于低秩矩陣和稀疏正則化的圖像盲復原方法 68
4.1 噪聲對核估計的影響和低秩稀疏分解模型 68
4.1.1 噪聲對核估計的影響 69
4.1.2 低秩稀疏分解模型 70
4.2 結合非局部相似聚類和低秩矩陣的稀疏正則化盲解卷積 71
4.2.1 非局部相似塊結構組的低秩恢復 72
4.2.2 結合低秩矩陣和稀疏正則化的模型 73
4.2.3 模型的優化求解 74
4.2.4 非盲解卷積 76
4.2.5 實驗與分析 76
4.3 本章小結 83
第5章 基于回歸映射的圖像盲復原方法 84
5.1 退化模型的學習訓練和*小二乘支持向量回歸 84
5.1.1 退化模型的學習訓練 84
5.1.2 *小二乘支持向量回歸 85
5.2 基于果蠅優化的LSSVR圖像復原方法 85
5.2.1 LSSVR模型參數優化 86
5.2.2 回歸映射的復原流程 87
5.2.3 實驗與分析 88
5.3 湍流序列圖像的快速去模糊 92
5.3.1 成像條件分析 92
5.3.2 基于峰度的模型更新 93
5.3.3 實驗與分析 94
5.4 本章小結 96
第三篇 基于視覺認知的退化圖像復原方法
第6章 基于圖像稀疏先驗信息和機器學習的圖像復原方法 99
6.1 圖像的統計特性 99
6.1.1 自相似性和尺度不變性 99
6.1.2 非高斯性 100
6.1.3 邊緣主導特性和高維奇異性 100
6.2 基于有效邊緣先驗估計的圖像復原方法 100
6.2.1 圖像復原的MAP估計方法 101
6.2.2 PSF估計的有效邊緣映射圖 101
6.2.3 基于ISD的PSF改良 103
6.2.4 快速的TV-L1解卷積 105
6.2.5 實驗與分析 107
6.3 基于圖像塊相似性和稀疏先驗信息的圖像復原方法 109
6.3.1 圖像的稀疏先驗模型 109
6.3.2 從塊相似性到圖像復原 110
6.3.3 EPLL與幾種基于學習的復原框架比較 110
6.3.4 EPLL的框架和優化 111
6.3.5 EPLL框架下的稀疏先驗復原 112
6.3.6 實驗與分析 113
6.4 本章小結 115
第7章 基于視覺認知和字典學習的圖像復原方法 116
7.1 視覺認知與圖像表征 116
7.1.1 HVS的層次結構與計算機視覺的處理機制 116
7.1.2 HVS的選擇注意機制與相關模型 117
7.1.3 圖像與圖像變換的視覺建模 118
7.1.4 基于人眼視覺特性的圖像表征方法 119
7.2 基于視覺認知特性的全局圖像復原方法 119
7.2.1 人眼視覺對比敏感度的機理 120
7.2.2 基于視覺對比敏感度與恰可察覺失真感知的圖像復原方法 120
7.2.3 實驗與分析 126
7.3 基于字典學習和局部分塊相似性的圖像復原方法 127
7.3.1 圖像塊的稀疏分解與字典學習 127
7.3.2 對典型字典學習圖像復原方法的分析和改進 128
7.3.3 基于字典對聯合學習的退化圖像復原方法 129
7.3.4 實驗與分析 133
7.4 本章小結 135
第8章 基于視覺認知的視頻序列圖像復原方法 136
8.1 圖像幾何校正、圖像配準和運動補償 136
8.1.1 圖像的幾何校正 136
8.1.2 圖像配準 137
8.1.3 運動補償 138
8.2 基于增廣拉格朗日的快速視頻復原方法 138
8.2.1 時空TV的拉格朗日視頻復原方法的框架和思想 139
8.2.2 增廣拉格朗日視頻復原方法的參數選擇 141
8.2.3 實驗與分析 142
8.3 基于非凸勢函數優化與動態自適應濾波的退化視頻復原方法 144
8.3.1 湍流退化視頻的相關工作 145
8.3.2 圖像復原的非凸優化框架及算法 147
8.3.3 動態自適應濾波的視頻復原方法 150
8.3.4 實驗與分析 152
8.4 本章小結 153
第四篇 湍流退化圖像的去模糊、去振鈴、抖動穩像和畸變校正
第9章 面向特定退化類型的空間變化模糊圖像復原方法 157
9.1 圖像模糊退化的常見類型 157
9.1.1 運動模糊 157
9.1.2 離焦模糊 158
9.1.3 高斯模糊 159
9.2 基于透明性的目標運動模糊圖像復原方法 160
9.2.1 目標運動模糊分析 161
9.2.2 目標的二維運動去模糊方法 166
9.2.3 實驗與分析 166
9.3 基于光流約束和光譜蒙板的空間運動模糊圖像復原方法 168
9.3.1 運動模糊約束條件 170
9.3.2 空間變化運動模型與改進的模糊圖像復原方法 173
9.3.3 實驗與分析 176
9.4 基于模糊映射圖的空間變化離焦模糊圖像復原方法 178
9.4.1 圖像的離焦模型 179
9.4.2 模糊映射圖的生成方法 180
9.4.3 利用L1-2優化的圖像復原方法 180
9.4.4 圖像重構與尺度選擇 182
9.4.5 實驗與分析 182
9.5 本章小結 183
第10章 基于邊緣分離的去振鈴圖像復原方法 185
10.1 圖像盲復原方法與振鈴效應 185
10.1.1 圖像盲復原方法 185
10.1.2 振鈴效應抑制及評價 186
10.2 基于邊緣分離的去振鈴復原算法 188
10.2.1 算法描述 188
10.2.2 實驗與分析 191
10.3 本章小結 200
第11章 湍流退化圖像偏移的畸變校正 201
11.1 湍流像素偏移與圖像非剛性配準 201
11.1.1 湍流像素偏移分析 202
11.1.2 圖像非剛性配準 204
11.2 基于仿射變換和B樣條非剛性配準的偏移像素校正 205
11.2.1 像素偏移模型 205
11.2.2 配準流程分析 205
11.2.3 模型的優化求解 208
11.2.4 實驗與分析 210
11.3 本章小結 215
第12章 湍流退化序列的抖動穩像和運動檢測 216
12.1 序列的退化模型和序列中的運動檢測 216
12.1.1 序列的退化模型 216
12.1.2 序列中的運動檢測 217
12.2 基于低秩稀疏分解的湍流序列穩像和復原 218
12.2.1 湍流序列的低秩稀疏分解 218
12.2.2 模型的優化求解 219
12.2.3 序列圖像復原 220
12.2.4 實驗與分析 221
12.3 湍流退化視頻的運動目標檢測 225
12.3.1 自適應閾值的稀疏目標提取 226
12.3.2 高斯模型的前景提取 226
12.3.3 檢測區域的融合判定 227
12.3.4 實驗與分析 228
12.4 本章小結 231
第五篇 圖像復原性能驗證與圖像質量評價
第13章 圖像復原性能驗證與圖像質量的智能評價 235
13.1 視覺認知的過程和特性 235
13.1.1 視網膜的信息認知過程 236
13.1.2 視覺認知的生理學特性 236
13.1.3 視覺認知的心理學特性 237
13.2 基于HVS的仿生學圖像質量評價框架 240
13.2.1 無參考型圖像質量評價方法 240
13.2.2 基于誤差可見度的仿生學圖像質量評價框架 241
13.3 基于生物視覺標準模型的無參考型圖像質量評價 242
13.3.1 生物視覺ST模型 243
13.3.2 *小二乘支持向量機回歸算法 243
13.3.3 實驗與分析 245
13.4 本章小結 249
參考文獻 250
展開全部
圖像復原技術 作者簡介
李俊山，男，1956年1月出生，博士，教授，2016年9月起到廣東外語外貿大學南國商學院任教，是廣東外語外貿大學南國商學院科協副主席、智能信息處理研究所所長、工科（計算機與信息）門類學科帶頭人。 主要社會兼職：中國圖象圖形學學會理事、《光學精密工程》和《液晶與顯示》等期刊編委。曾任教育部高等學校大學計算機課程教學指導委員會委員、中國計算機學會第九屆至第十一屆理事會理事、陜西省計算機學會副理事長、陜西省計算機教育學會副理事長。 主要學術成就：獲國防科學技術獎和軍隊科技進步獎23項，其中二等獎4項。發表學術與教學論文400余篇，其中SCI和EI檢索80余篇。作為負責人建設國家級精品課程1門、國家級精品資源共享課1門、軍隊級優質課程和軍隊級精品網絡課程2門；獲省部級優秀教學成果獎和優秀教材獎一等獎5項。作為第一作者出版專著、譯著和教材15部，代表作有《紅外圖像處理、分析與融合》《基于特征的紅外圖像目標匹配與跟蹤技術》《三維視景仿真可視化建模技術》《數字圖像處理（第3版）》《數據庫原理及應用（SQL Server）（第4版）》。 李俊山教授2016年4月前是原中國人民解放軍第二炮兵工程大學（現為中國人民解放軍火箭軍工程大學）博士生導師，原第二炮兵信號圖像處理專業方向導彈專家，“軍隊院校育才獎”金獎獲得者，軍隊級優秀碩士學位論文導師，原第二炮兵科技工作先進個人和優秀教員，兩次榮立個人三等功。
書友推薦
- >
巴金－再思錄
- >
朝聞道
- >
李白與唐代文化
- >
詩經-先民的歌唱
- >
我與地壇
- >
隨園食單
- >
姑媽的寶刀
- >
上帝之肋:男人的真實旅程
本類暢銷
