扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
图像清晰化技术研究 版权信息
- ISBN：9787030673213
- 条形码：9787030673213 ; 978-7-03-067321-3
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
图像清晰化技术研究 内容简介
本书是作者在多年进行图像清晰化技术研究的基础上撰写而成的，系统地阐述和分析了图像清晰化技术的相关理论和实现方法。本书针对雾天、低照度以及低动态范围等恶劣环境下的图像清晰化问题展开研究，对基于物理模型的去雾技术、基于人眼视觉特性的低照度增强技术、基于反色调映射的高动态范围图像生成技术、基于场景深度的雾天图像能见度估计技术以及图像质量评价标准等进行详细阐述和深入分析。同时，本书也涉及相关算法的DSP(digitalsignalprocessor，数字信号处理器)实现及GPU(graphicsprocessingunit，图形处理器)实现，对于图像清晰化技术的应用推广具有较好的引导作用。
图像清晰化技术研究 目录
目录
第1章 绪论 1
1.1 研究背景及意义 1
1.2 图像去雾的研究现状与展望 2
1.2.1 国内外研究现状 2
1.2.2 存在问题及展望 7
1.3 低照度图像增强技术的研究现状及展望 8
1.3.1 国内外研究现状 8
1.3.2 存在问题及展望 10
1.4 高动态范围成像技术的研究现状及展望 11
1.4.1 国内外研究现状 12
1.4.2 存在问题及展望 16
1.5 图像质量评价方法 17
1.5.1 主观评价法 18
1.5.2 客观评价法 20
1.6 本书的结构组织安排 23
1.7 本章小结 23
参考文献 24
第2章 雾天图像清晰化技术回顾 30
2.1 基于图像增强的去雾算法 30
2.1.1 常用图像增强方法 31
2.1.2 基于图像增强的去雾算法 37
2.1.3 小结 41
2.2 基于图像复原的去雾算法 41
2.2.1 图像复原技术 42
2.2.2 雾天图像退化机理 42
2.2.3 基于图像复原的去雾算法概述 44
2.2.4 基于暗原色先验的单幅图像去雾算法 48
2.2.5 小结 53
2.3 本章小结 53
参考文献 54
第3章 基于物理模型的单幅图像去雾技术 55
3.1 基于人眼视觉特性的快速图像去雾算法 55
3.1.1 估计目标传输图 55
3.1.2 估计全局光强度 57
3.1.3 雾天图像复原 58
3.1.4 图像亮度调节 59
3.1.5 实验结果与分析 60
3.1.6 小结 62
3.2 改进的半逆去雾复原算法 63
3.2.1 半逆去雾算法 63
3.2.2 改进的半逆去雾复原算法 64
3.2.3 色调调整和细节增强 68
3.2.4 实验结果分析和客观评价 71
3.2.5 小结 75
3.3 面向大面积天空区域图像的去雾算法 75
3.3.1 暗原色先验原理 77
3.3.2 天空区域分割与融合 77
3.3.3 求取全局A 83
3.3.4 天空区域补偿 83
3.3.5 图像融合 84
3.3.6 实验结果及分析 85
3.3.7 小结 88
3.4 基于视觉感知的图像去雾算法 88
3.4.1 阈值分割获取A 88
3.4.2 各向异性型高斯滤波优化t(x) 90
3.4.3 清晰化图像复原 94
3.4.4 色调调整 94
3.4.5 实验结果与分析 95
3.4.6 小结 96
3.5 本章小结 96
参考文献 97
第4章 图像去雾的快速实现方法 99
4.1 实时图像去雾算法 99
4.1.1 参数 的估计 99
4.1.2 导向滤波改善t(x) 101
4.1.3 自适应亮度增强 102
4.1.4 大面积灰白区域的处理 103
4.1.5 速度上的进一步优化 104
4.1.6 实验结果及分析 105
4.1.7 小结 109
4.2 去雾算法的DSP实现 109
4.2.1 DSP硬件开发平台 109
4.2.2 DSP软件开发环境 111
4.2.3 去雾算法的DSP实现 115
4.2.4 小结 118
4.3 去雾算法的GPU实现 118
4.3.1 GPU并行计算 118
4.3.2 去雾算法的CUDA并行实现 127
4.3.3 实验结果及分析 134
4.3.4 GPU并行加速优化策略 137
4.3.5 结果分析 143
4.3.6 小结 145
4.4 本章小结 146
参考文献 146
第5章 低照度图像增强技术 148
5.1 低照度图像增强基本理论 148
5.1.1 低照度图像增强算法——空域法 148
5.1.2 低照度图像增强算法——变换域法 154
5.1.3 低照度图像增强算法——融合法 155
5.2 基于视觉特性的低照度图像增强算法 155
5.2.1 基于视觉感知的低照度图像增强算法 156
5.2.2 实验结果与分析 163
5.2.3 小结 165
5.3 基于去雾技术的低照度图像增强算法 165
5.3.1 低照度图像与雾天图像的关系 165
5.3.2 基于物理模型的低照度图像增强算法 166
5.3.3 实验结果与分析 170
5.3.4 小结 172
5.4 本章小结 172
参考文献 173
第6章 单曝光HDR图像生成技术 174
6.1 相关工作分析 175
6.2 基于光源采样的单曝光HDR图像生成算法 176
6.2.1 算法架构 176
6.2.2 算法细节 178
6.2.3 实验结果及分析 182
6.2.4 小结 186
6.3 基于细节层分离的单曝光HDR图像生成算法 187
6.3.1 算法框架 187
6.3.2 算法具体实现过程 188
6.3.3 实验结果与分析 195
6.3.4 小结 201
6.4 本章小结 201
参考文献 202
第7章 单幅图像能见度检测技术 204
7.1 研究背景及意义 204
7.2 国内外研究现状 206
7.2.1 能见度测量仪的发展 206
7.2.2 基于图像的能见度研究现状 208
7.3 能见度检测的基本知识 209
7.3.1 能见度检测原理 209
7.3.2 大气散射模型 212
7.3.3 能见度检测的相关知识 213
7.4 基于暗通道先验的能见度检测算法 217
7.4.1 透射率的估计 217
7.4.2 基于视差的场景深度估计 219
7.4.3 能见度距离的估计 223
7.4.4 实验结果与分析 223
7.4.5 小结 225
7.5 面向高速路的单幅图像能见度估计算法 225
7.5.1 SSR估计图像亮度 226
7.5.2 不同雾浓度下的亮度估计 226
7.5.3 结合亮度特征的单幅图像能见度检测 229
7.5.4 实验结果与分析 232
7.5.5 小结 233
7.6 基于场景深度的雾天图像能见度估计方法 233
7.6.1 雾天图像能见度估计方法 234
7.6.2 实验结果与分析 236
7.6.3 小结 238
7.7 本章小结 239
参考文献 239
第8章 图像质量评价方法研究 241
8.1 图像质量评价方法的研究现状 241
8.1.1 图像质量的主观评价方法 241
8.1.2 图像质量的客观评价方法 243
8.1.3 图像质量评价方法的有效性验证 246
8.2 人眼视觉系统 248
8.2.1 视觉系统的基本结构及原理 248
8.2.2 人眼视觉特性 250
8.3 基于梯度矢量相似性的压缩图像质量评价 253
8.3.1 压缩图像质量评价方法概况 253
8.3.2 所提算法框架 254
8.3.3 实验结果 257
8.3.4 小结 263
8.4 基于全变分模型的视觉感知图像质量评价 263
8.4.1 引言 263
8.4.2 基于全变分模型的图像质量评价 264
8.4.3 实验结果及分析 266
8.4.4 小结 269
8.5 基于尺度不变性的无参考图像质量评价 269
8.5.1 无参考图像质量评价方法概况 269
8.5.2 所提算法框架 270
8.5.3 实验结果及分析 277
8.5.4 小结 280
8.6 本章小结 280
参考文献 281
第1章 绪论 1
1.1 研究背景及意义 1
1.2 图像去雾的研究现状与展望 2
1.2.1 国内外研究现状 2
1.2.2 存在问题及展望 7
1.3 低照度图像增强技术的研究现状及展望 8
1.3.1 国内外研究现状 8
1.3.2 存在问题及展望 10
1.4 高动态范围成像技术的研究现状及展望 11
1.4.1 国内外研究现状 12
1.4.2 存在问题及展望 16
1.5 图像质量评价方法 17
1.5.1 主观评价法 18
1.5.2 客观评价法 20
1.6 本书的结构组织安排 23
1.7 本章小结 23
参考文献 24
第2章 雾天图像清晰化技术回顾 30
2.1 基于图像增强的去雾算法 30
2.1.1 常用图像增强方法 31
2.1.2 基于图像增强的去雾算法 37
2.1.3 小结 41
2.2 基于图像复原的去雾算法 41
2.2.1 图像复原技术 42
2.2.2 雾天图像退化机理 42
2.2.3 基于图像复原的去雾算法概述 44
2.2.4 基于暗原色先验的单幅图像去雾算法 48
2.2.5 小结 53
2.3 本章小结 53
参考文献 54
第3章 基于物理模型的单幅图像去雾技术 55
3.1 基于人眼视觉特性的快速图像去雾算法 55
3.1.1 估计目标传输图 55
3.1.2 估计全局光强度 57
3.1.3 雾天图像复原 58
3.1.4 图像亮度调节 59
3.1.5 实验结果与分析 60
3.1.6 小结 62
3.2 改进的半逆去雾复原算法 63
3.2.1 半逆去雾算法 63
3.2.2 改进的半逆去雾复原算法 64
3.2.3 色调调整和细节增强 68
3.2.4 实验结果分析和客观评价 71
3.2.5 小结 75
3.3 面向大面积天空区域图像的去雾算法 75
3.3.1 暗原色先验原理 77
3.3.2 天空区域分割与融合 77
3.3.3 求取全局A 83
3.3.4 天空区域补偿 83
3.3.5 图像融合 84
3.3.6 实验结果及分析 85
3.3.7 小结 88
3.4 基于视觉感知的图像去雾算法 88
3.4.1 阈值分割获取A 88
3.4.2 各向异性型高斯滤波优化t(x) 90
3.4.3 清晰化图像复原 94
3.4.4 色调调整 94
3.4.5 实验结果与分析 95
3.4.6 小结 96
3.5 本章小结 96
参考文献 97
第4章 图像去雾的快速实现方法 99
4.1 实时图像去雾算法 99
4.1.1 参数 的估计 99
4.1.2 导向滤波改善t(x) 101
4.1.3 自适应亮度增强 102
4.1.4 大面积灰白区域的处理 103
4.1.5 速度上的进一步优化 104
4.1.6 实验结果及分析 105
4.1.7 小结 109
4.2 去雾算法的DSP实现 109
4.2.1 DSP硬件开发平台 109
4.2.2 DSP软件开发环境 111
4.2.3 去雾算法的DSP实现 115
4.2.4 小结 118
4.3 去雾算法的GPU实现 118
4.3.1 GPU并行计算 118
4.3.2 去雾算法的CUDA并行实现 127
4.3.3 实验结果及分析 134
4.3.4 GPU并行加速优化策略 137
4.3.5 结果分析 143
4.3.6 小结 145
4.4 本章小结 146
参考文献 146
第5章 低照度图像增强技术 148
5.1 低照度图像增强基本理论 148
5.1.1 低照度图像增强算法——空域法 148
5.1.2 低照度图像增强算法——变换域法 154
5.1.3 低照度图像增强算法——融合法 155
5.2 基于视觉特性的低照度图像增强算法 155
5.2.1 基于视觉感知的低照度图像增强算法 156
5.2.2 实验结果与分析 163
5.2.3 小结 165
5.3 基于去雾技术的低照度图像增强算法 165
5.3.1 低照度图像与雾天图像的关系 165
5.3.2 基于物理模型的低照度图像增强算法 166
5.3.3 实验结果与分析 170
5.3.4 小结 172
5.4 本章小结 172
参考文献 173
第6章 单曝光HDR图像生成技术 174
6.1 相关工作分析 175
6.2 基于光源采样的单曝光HDR图像生成算法 176
6.2.1 算法架构 176
6.2.2 算法细节 178
6.2.3 实验结果及分析 182
6.2.4 小结 186
6.3 基于细节层分离的单曝光HDR图像生成算法 187
6.3.1 算法框架 187
6.3.2 算法具体实现过程 188
6.3.3 实验结果与分析 195
6.3.4 小结 201
6.4 本章小结 201
参考文献 202
第7章 单幅图像能见度检测技术 204
7.1 研究背景及意义 204
7.2 国内外研究现状 206
7.2.1 能见度测量仪的发展 206
7.2.2 基于图像的能见度研究现状 208
7.3 能见度检测的基本知识 209
7.3.1 能见度检测原理 209
7.3.2 大气散射模型 212
7.3.3 能见度检测的相关知识 213
7.4 基于暗通道先验的能见度检测算法 217
7.4.1 透射率的估计 217
7.4.2 基于视差的场景深度估计 219
7.4.3 能见度距离的估计 223
7.4.4 实验结果与分析 223
7.4.5 小结 225
7.5 面向高速路的单幅图像能见度估计算法 225
7.5.1 SSR估计图像亮度 226
7.5.2 不同雾浓度下的亮度估计 226
7.5.3 结合亮度特征的单幅图像能见度检测 229
7.5.4 实验结果与分析 232
7.5.5 小结 233
7.6 基于场景深度的雾天图像能见度估计方法 233
7.6.1 雾天图像能见度估计方法 234
7.6.2 实验结果与分析 236
7.6.3 小结 238
7.7 本章小结 239
参考文献 239
第8章 图像质量评价方法研究 241
8.1 图像质量评价方法的研究现状 241
8.1.1 图像质量的主观评价方法 241
8.1.2 图像质量的客观评价方法 243
8.1.3 图像质量评价方法的有效性验证 246
8.2 人眼视觉系统 248
8.2.1 视觉系统的基本结构及原理 248
8.2.2 人眼视觉特性 250
8.3 基于梯度矢量相似性的压缩图像质量评价 253
8.3.1 压缩图像质量评价方法概况 253
8.3.2 所提算法框架 254
8.3.3 实验结果 257
8.3.4 小结 263
8.4 基于全变分模型的视觉感知图像质量评价 263
8.4.1 引言 263
8.4.2 基于全变分模型的图像质量评价 264
8.4.3 实验结果及分析 266
8.4.4 小结 269
8.5 基于尺度不变性的无参考图像质量评价 269
8.5.1 无参考图像质量评价方法概况 269
8.5.2 所提算法框架 270
8.5.3 实验结果及分析 277
8.5.4 小结 280
8.6 本章小结 280
参考文献 281
展开全部
书友推荐
本类畅销
-
抖音短视频全面精通:拍摄剪辑＋滤镜美化＋字幕特效＋录音配乐＋直播运营
¥56.9¥79.8 -
图画-信息图表设计与制作专业教程
¥29.3¥39 -
CG造型基础与创作·入门篇
¥82.6¥118 -
影视动画场景设计与表现
¥27.3¥39 -
图像拟态融合理论、模型和应用
¥116.9¥148 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206
