• 正在加载中...
  • 基于学习的图像增强技术

    《基于学习的图像增强技术》是一本基于学习的图像增强技术方面的论著,反映近年来该领域的最新研究进展。全书分为三个部分,第一部分介绍图像的基本概念、图像增强的一些基本方法和图像插值技术;第二部分为基于学习的图像分辨率增强技水,第三部分介绍了一种新的图像增强技术——基于视觉美学学习的图像质量评估和增强技术。

    编辑摘要

    目录

    内容简介/基于学习的图像增强技术 编辑

    《基于学习的图像增强技术》适合于通信与信息系统、信号处理、计算机应用、模式识别等相关专业的研究人员和研究生学习参考

    作者简介/基于学习的图像增强技术 编辑

    吴炜,男,博士,副教授。1994年9月至1998年7月就读于天津大学,获学士学位;2000年9月至2003年7月就读于四川大学电子信息学院,获硕士学位;2003年7月至今在四川大学电子信息学院任教;2008年7月在四川大学获通信与信息系统博士学位;2009年10月至2010年10月在加拿大国家研究院从事为期一年的博士后研究。主要从事图像处理、模式识别、机器学习等理论和技术研究,并担任IEEE Transactions on Instrumentation and Measurement、Machine Vision and Applica—tions、Journal of Electronic Imaging等国际学术期刊的审稿人和美国Journal of Pattern Recognition Research期刊的Prospective Editor,主持或参与并完成了包括联合基于学习的超分辨率技术和多传感器超分辨率技术在红外图像复原中的研究(国家自然科学基金:61271330)、计算光学切片显微三维成像技术(国家自然科学基金:60372079)、视频超分辨率重建关键技术研究(教育部重点项目资助:107094)、智能交通系统、景区门票“人票合一”验证管理系统等多项纵向、横向科研项目,在国内外重要刊物和会议上发表论文50余篇(其中被SCI、EI收录20余篇)。

    图书目录/基于学习的图像增强技术 编辑

    第一章图像的基础知识
      1.1图像信号的基本概念
      1.1.1图像的表示
      1.1.2图像的数字化过程
      1.1.3数字图像的基本类型
      1.1.4颜色模式
      1.1.5图像分辨率
      1.2人眼的视觉原理
      1.2.1人眼结构
      1.2.2相对视敏度
      1.2.3明暗视觉
      1.2.4对比灵敏度
      1.2.5可见度阈值和马赫带效应
      1.3图像质量的评估标准与方法
      参考文献
      第二章常用图像增强技术介绍
      2.1图像增强概述
      2.2空域图像增强
      2.2.1灰度变换
      2.2.2直方图均衡
      2.2.3空域滤波
      2.3频域图像增强
      2.3.1频域低通滤波器
      2.3.2频域高通滤波器
      2.4图像客观评价算法
      2.4.1人眼视觉系统
      2.4.2归一化灰度差
      2.4.3归一化对比度
      2.4.4归一化信息熵
      2.4.5视频图像质量客观评价函数
      2.5本章小结
      参考文献
      第三章图像插值技术
      3.1图像插值放大原理
      3.2传统图像插值算法及原理
      3.3基于边缘的图像插值算法
      3.4实验结果与分析
      3.5本章小结
      参考文献
      第四章超分辨率技术综述
      4.1超分辨率的含义及应用
      4.2超分辨率技术的分类
      4.3成像模型
      4.4基于重建的超分辨率
      4.4.1频域算法
      4.4.2空域算法
      4.5基于学习的超分辨率
      4.5.1最大后验概率(MAP)框架下的基于学习的超分辨率理论
      4.5.2基于学习的超分辨率算法的类别
      4.6本章小结
      参考文献
      第五章基于多分辨率塔式结构的人脸图像超分辨率技术
      5.1基于学习的人脸超分辨率系统
      5.2幻觉脸技术的复原框架
      5.3图像金字塔模型
      5.4多分辨率塔式结构算法
      5.4.1人脸高斯金字塔
      5.4.2人脸拉普拉斯金字塔
      5.4.3人脸特征金字塔
      5.4.4多分辨率塔式结构算法总结
      5.5匹配复原过程
      5.5.1塔状父结构
      5.5.2搜索匹配过程
      5.6算法描述
      5.7基于学习的超分辨率图像的集成优化
      5.7.1超分辨率复原的贝叶斯框架
      5.7.2单目标优化算法
      5.8实验结果与分析
      5.8.1多分辨率塔式结构算法实验结果与分析
      5.8.2集成优化实验结果与分析
      5.9本章小结
      参考文献
      第六章基于Contourlet变换的人脸图像超分辨率研究
      6.1Contourlet变换的基本理论
      6.1.1方向滤波器组
      6.1.2Contourlet变换的特性分析
      6.2基于Contourlet变换的人脸图像超分辨率
      6.2.1特征提取
      6.2.2匹配复原
      6.2.3算法描述
      6.3实验结果与分析
      6.4本章小结
      参考文献
      第七章基于改进的非下采样Contourlet变换的人脸图像超分辨率
      7.1非下采样Contourlet变换
      7.1.1非下采样金字塔
      7.1.2非下采样方向滤波器组
      7.2改进的非下采样Contourlet变换
      7.3算法实现
      7.4实验结果与分析
      7.5本章小结
      参考文献
      第八章基于马尔可夫随机场的超分辨率技术研究
      8.1马尔可夫随机场模型
      8.2特征表示
      8.3基于马尔可夫随机场模型的超分辨率学习算法
      8.4实验结果与分析
      8.5本章小结
      参考文献
      第九章基于重构方法的超分辨率研究
      9.1基于主成分分析重构的超分辨率算法
      9.1.1基于整幅图像的PCA重构算法
      9.1.2基于分块的PCA重构算法
      9.2基于流形学习重构的算法
      9.2.1LLE算法的基本原理
      9.2.2基于流形学习的超分辨率基本原理
      9.2.3特征提取
      9.2.4算法实现
      9.3实验结果与分析
      9.4本章小结
      参考文献
      第十章基于超完备字典的图像稀疏表示理论的超分辨率复原
      10.1概述
      10.1.1信号的稀疏表示及其研究现状
      10.1.2信号稀疏性表示
      10.1.3超完备字典的基本概念
      10.2信号稀疏分解算法
      10.2.1引言
      10.2.2框架算法
      10.2.3匹配追踪算法
      10.2.4最佳正交基算法
      10.2.5全局最优算法
      10.3超完备字典学习算法
      10.3.1常用的字典学习算法
      10.3.2超完备字典学习算法的比较
      10.4基于图像稀疏表示的单幅图像超分辨率算法
      10.4.1自训练字典学习的算法框架
      10.4.2由粗到精的图像放大过程
      10.4.3低分辨率和高分辨率超完备字典学习算法
      10.5实验结果及分析
      10.5.1文本图像放大实验
      10.5.2与其他基于学习超分辨率算法对比
      10.5.3图像特征提取算法对重建效果的影响
      10.5.4目标放大倍数对重建效果的影响
      10.5.5超完备字典尺寸对本章算法的影响
      10.6本章小结
      参考文献
      第十一章基于回归方法的超分辨率图像复原研究
      11.1支持向量回归
      11.2核偏最小二乘法回归
      11.2.1偏最小二乘法介绍
      11.2.2核偏最小二乘法
      11.3基于回归方法的超分辨率复原的基本原理
      11.3.1超分辨率图像复原原理
      11.3.2特征表示
      11.3.3基于回归的图像超分辨率复原算法
      11.4基于支持向量回归方法的实验结果与分析
      11.4.1算法的性能
      11.4.2算法参数分析
      11.5基于核偏最小二乘法的超分辨率实验结果与分析
      11.6本章小结
      参考文献
      第十二章基于多分辨率金字塔和LLE算法的人脸图像超分辨率算法
      12.1先验模型
      12.1.1高斯金字塔
      12.1.2拉普拉斯金字塔
      12.1.3特征金字塔
      12.2先验模型复原过程
      12.2.1塔状父结构
      12.2.2匹配复原
      12.2.3算法实现
      12.3先验模型和测量模型
      12.4实验结果及分析
      12.5本章小结
      参考文献
      第十三章基于马尔可夫模型与Contourlet变换的图像超分辨率复原算法
      13.1算法的基本原理
      13.2Contourlet系数块结构
      13.3马尔可夫模型
      13.4基于MRF模型和Cotourlet变换的超分辨率学习算法
      13.5实验结果与分析
      13.6本章小结
      参考文献
      第十四章基于视觉美学学习的图像质量评估和增强
      14.1基于学习的美学
      14.1.1用户调查
      14.1.2视觉美学特征
      14.2重建照片,增强照片质量
      14.2.1算法Ⅰ优化对象位置
      14.2.2算法Ⅱ平衡视觉重量
      14.3实验结果与分析
      14.4本章小结
      参考文献

    添加视频 | 添加图册相关影像

    开放分类 我来补充

    互动百科的词条(含所附图片)系由网友上传,如果涉嫌侵权,请与客服联系,我们将按照法律之相关规定及时进行处理。未经许可,禁止商业网站等复制、抓取本站内容;合理使用者,请注明来源于www.baike.com。

    登录后使用互动百科的服务,将会得到个性化的提示和帮助,还有机会和专业认证智愿者沟通。

    互动百科用户登录注册
    此词条还可添加  信息模块

    WIKI热度

    1. 编辑次数:2次 历史版本
    2. 参与编辑人数:2
    3. 最近更新时间:2014-12-25 19:18:13

    贡献光荣榜

    更多

    相关词条