全部商品分类

您现在的位置: 全部商品分类 > 电子电脑 > 电工无线电自动化 > 无线电电子.电讯

超分辨率图像视频复原方法及应用

  • 定价: ¥129
  • ISBN:9787115542465
  • 开 本:16开 平装
  •  
  • 折扣:
  • 出版社:人民邮电
  • 页数:206页
  • 作者:徐梦溪//杨芸|责...
  • 立即节省:
  • 2020-09-01 第1版
  • 2020-09-01 第1次印刷
我要买:
点击放图片

导语

  

内容提要

  

    近年来,在工业成像检测、视频监控、卫星遥感和航空摄影测量、医疗成像诊断、视频娱乐系统、拍照增强和数字高清等许多领域,超分辨率图像视频复原技术(包括基于机器学习的技术)已成为解决领域应用问题和提升系统性能的重要技术手段。本书系统性介绍超分辨率图像视频复原技术的有关概念、方法和应用,共分为9章,内容包括绪论、超分辨率图像视频复原研究与进展、改进保真项与自适应双边全变分的正则化方法、基于像素流和时间特征先验的视频超分辨率方法、稀疏字典学习与超分辨率复原、自适应稀疏表示结合正则化约束的超分辨率方法、卷积神经网络与超分辨率复原、ESPCN超分辨率技术在车辆牌照识别中的应用和光流法结合ESPCN的视频超分辨率方法。
    本书内容新颖,理论联系实际,可作为计算机应用、电子信息工程、自动化、机械电子、仪器仪表等相关专业的研究生和高年级本科生、科研人员、工程技术人员的参考书。

目录

第1章  绪论
  1.1  引言
  1.2  超分辨率复原的概念
  1.3  超分辨率复原方法分类
  1.4  超分辨率复原质量的评价
  1.5  超分辨率复原技术的应用
  参考文献
第2章  超分辨率图像/视频复原研究与进展
  2.1  基于重建的超分辨率复原方法
    2.1.1  概述
    2.1.2  基于频域的超分辨率复原方法
    2.1.3  基于空域的超分辨率复原方法
  2.2  基于学习的超分辨率复原方法
    2.2.1  基于浅层学习的超分辨率复原方法
    2.2.2  基于深度学习的超分辨率复原方法
  2.3  视频超分辨率复原方法
  2.4  其他超分辨率复原方法
  参考文献
第3章  改进保真项与自适应双边全变分的正则化方法
  3.1  相关工作
  3.2  图像观测模型和代价函数
  3.3  Tukey范数构建保真项和权值自适应BTV正则化
    3.3.1  双边全变分(BTV)正则化项
    3.3.2  稳健估计与Tukey范数函数
    3.3.3  Tukey范数构建保真项结合权值自适应BTV正则化方法
  3.4  超分辨率复原方法的性能评价
    3.4.1  标准测试图像的超分辨率实验及算法性能评价
    3.4.2  文本图像的超分辨率实验及算法性能评价
    3.4.3  水面近红外图像的超分辨率实验及算法性能评价
    3.4.4  使用结构相似性SSIM指标的算法性能评价
    3.4.5  遥感影像超分辨率实验及算法性能评价
  参考文献
第4章  基于像素流和时间特征先验的视频超分辨率方法
  4.1  基于视频时间的超分辨率问题描述
  4.2  空间模糊与运动模糊的形成机制
  4.3  像素流及退化降质过程建模
    4.3.1  关于像素流
    4.3.2  像素流退化降质过程建模
  4.4  时间特征先验作为解空间约束的像素流超分辨率复原
    4.4.1  MAP估计框架下像素流超分辨率复原的贝叶斯推理
    4.4.2  像素流与基于时间特征先验的建模
    4.4.3  像素流超分辨率复原结果的估计
  4.5  基于像素流和时间特征先验建模的时空超分辨率算法
  4.6  超分辨率复原算法性能的评价
    4.6.1  不同算法对测试视频的实验比较及性能评价
    4.6.2  不同算法对真实视频的实验比较及性能评价
  参考文献
第5章  稀疏字典学习与超分辨率复原
  5.1  稀疏表示与稀疏字典学习
  5.2  基于稀疏表示的单帧图像超分辨率方法
    5.2.1  稀疏表示的局部模型与全局重构的约束增强
    5.2.2  学习字典对
  5.3  基于全局分析性稀疏先验的超分辨率方法
    5.3.1  相关工作
    5.3.2  基于全局分析性稀疏先验的超分辨率图像复原
    5.3.3  算法性能的评价
  参考文献
第6章  自适应稀疏表示结合正则化约束的超分辨率方法
  6.1  引言
  6.2  非局部自相似先验的正则化技术策略
  6.3  自适应稀疏表示和改进的非局部自相似正则化项及SR算法
    6.3.1  图像块几何结构信息分析和自适应稀疏表示
    6.3.2  改进的非局部自相似正则化
    6.3.3  基于自适应稀疏表示结合改进的非局部自相似正则化算法
  6.4  超分辨率复原算法性能的评价
    6.4.1  参数设置
    6.4.2  算法对于不同训练样本集的稳健性实验及性能评价
    6.4.3  无噪和加噪情况下的实验及算法性能评价
    6.4.4  重构计算效率评价
  参考文献
第7章  卷积神经网络与超分辨率复原
  7.1  卷积神经网络
    7.1.1  引言
    7.1.2  卷积神经网络基本原理
    7.1.3  前向传播与反向传播
  7.2  图像/视频样本数据集
  7.3  基于卷积神经网络的超分辨率复原
    7.3.1  基于深度的卷积神经网络的超分辨复原方法
    7.3.2  基于高效的亚像素卷积神经网络超分辨率复原方法
    7.3.3  基于深度递归卷积网络的超分辨率复原方法
  参考文献
第8章  ESPCN超分辨率技术在车辆牌照识别中的应用
  8.1  引言
  8.2  基于ESPCN的单帧车辆图像超分辨率复原
    8.2.1  构造车辆车辆牌照图像数据集和训练集及测试集
    8.2.2  单帧车辆图像超分辨率的ESPCN-VI模型
  8.3  车辆图像超分辨率复原算法的性能评价
    8.3.1  使用常规定量指标的算法性能评
    8.3.2  使用车辆牌照识别正确率指标的算法性能评价
  参考文献
第9章  光流法结合ESPCN的视频超分辨率方法
  9.1  关于光流法
  9.2  光流法帧间运动估计与ESPCN模型
    9.2.1  视频超分辨率复原过程
    9.2.2  光流法相邻帧间运动估计结合ESPCN的模型结构
  9.3  视频帧的超分辨率性能评价与分析
    9.3.1  数据集及参数设置
    9.3.2  算法性能的评价
  9.4  帧分辨率与帧率的扩增
    9.4.1  视频帧超分辨率与插帧技术
    9.4.2  视频超分辨率实验与分析
  参考文献