中图网

>

电子通信

>

通信

图像处理的多尺度分析方法

作者：冯象初

出版社：科学出版社出版时间：2024-06-01

开本：其他页数： 218

本类榜单：工业技术销量榜

中图价:¥103.5(7.5折) 定价 ~~¥138.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
湖南省志(1978-2002)?铁路志

湖南省志(1978-2002)?铁路志

¥70.6¥98
>
公路车宝典(ZINN的公路车维修与保养秘籍)

公路车宝典(ZINN的公路车维修与保养秘籍)

¥69.6¥120
>
晶体管电路设计(下)

晶体管电路设计(下)

¥28.6¥38
>
基于个性化设计策略的智能交通系统关键技术

基于个性化设计策略的智能交通系统关键技术

¥48.6¥68
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移

德国克虏伯与晚清火:贸易与仿制模式下的技术转移

¥21.8¥65
>
花样百出:贵州少数民族图案填色

花样百出:贵州少数民族图案填色

¥19.1¥45
>
识木:全球220种木材图鉴

识木:全球220种木材图鉴

¥159.6¥228

商品详情
商品评论(0条)

中图价:¥103.5 加入购物车

版权信息
内容简介
目录
作者简介

图像处理的多尺度分析方法版权信息

ISBN：9787030773753
条形码：9787030773753 ; 978-7-03-077375-3
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
工业技术
>
电子通信
>
通信

图像处理的多尺度分析方法内容简介

本书系统讨论了近年来图像处理方法的新进展，主要内容包括：图像的变分多尺度分析：ROF模型和TV-L1模型、TV的几个新进展：TV-L1的多尺度分割、梯度差的正则化方法、全局稀疏梯度等；基于迭代正则化和逆尺度空间的多尺度分析：小波、曲波等X-Let及其对应的分解空间，以及利用这些分解空间的等价范数建立的各种图像逆尺度空间的推广；稀疏与低秩表示的基本理论以及基于稀疏与低秩表示的图像处理建模；基于字典学习和稀疏表示的图像建模，包括光滑字典、多尺度字典与l1松弛等；基于非局部正则化的图像建模，包括非局部平均、BM3D、方法噪声先验、非局部泛函、非局部TV与非局部逆尺度空间等；基于深度学习的图像建模，以及基于博弈框架的联合图像恢复与边缘检测方法等。

图像处理的多尺度分析方法目录

前言第1章变分多尺度分析 1.1 变分PDE的多尺度分析 1.1.1 反问题正则化参数的确定 1.1.2 ROF模型的多尺度分析 1.1.3 TV-L1与几何多尺度 1.2 全变差新进展 1.2.1 高阶TV与TGV 1.2.2 梯度的差正则 1.2.3 全局稀疏梯度参考文献第2章逆尺度空间理论 2.1 迭代正则化与逆尺度空间方法 2.1.1 迭代正则化 2.1.2 逆尺度空间方法 2.2 分解空间与逆尺度空间 2.2.1 小波与贝索夫空间 2.2.2 波原子与贝索夫空间 2.2.3 曲线波与分解空间 2.2.4 剪切波与分解空间参考文献第3章稀疏表示与低秩表示 3.1 稀疏表示 3.1.1 l0稀疏理论与算法 3.1.2 l1稀疏理论与算法 3.2 低秩表示 3.2.1 矩阵核范数与分解表示 3.2.2 Trace-Lasso模型 3.2.3 Schatten-p范数与自适应低秩参考文献第4章字典学习方法 4.1 字典学习的两个经典算法 4.1.1 MOD算法 4.1.2 K-SVD算法 4.2 光滑字典、多尺度字典与l1松弛 4.2.1 光滑字典 4.2.2 多尺度字典 4.2.3 l1松弛 4.3 交替迭代的收敛性分析 4.3.1 平稳点与正则函数 4.3.2 l1约束字典学习问题的收敛性 4.3.3 l0约束字典学习问题的收敛性 4.4 l1约束字典学习的直接方法参考文献第5章非局部正则化与非局部逆尺度空间 5.1 非局部平均滤波算法 5.1.1 标准的非局部平均滤波算法 5.1.2 相似性度量和搜索窗的改进 5.1.3 基于稀疏梯度场的非局部图像去噪算法 5.2 块匹配三维滤波算法 5.2.1 标准的块匹配三维滤波算法 5.2.2 BM3D算法的小波子空间分析 5.2.3 方向扩散方程修正BM3D 5.3 方法噪声正则模型 5.3.1 基于L2范数的非局部平均正则模型 5.3.2 基于L1范数的非局部平均正则模型 5.3.3 修正的方法噪声正则模型 5.4 非局部能量泛函 5.4.1 非局部滤波算子的变分形式 5.4.2 非局部滤波算子的扩散形式 5.4.3 基于算子Tn的变分模型 5.5 非局部TV和非局部逆尺度空间 5.5.1 非局部ROF和非局部TV-L 5.5.2 非局部逆尺度空间参考文献第6章基于深度学习的图像恢复 6.1 图像恢复相关方法 6.2 深度去噪正则展开网络 6.2.1 网络模型 6.2.2 端到端训练策略 6.3 实验结果与讨论 6.3.1 模型分析和消融研究 6.3.2 非盲去模糊性能评价 6.3.3 真实图像去模糊性能评价 6.3.4 单图像超分辨率性能评价参考文献第7章基于合作博弈的联合边缘检测与图像恢复 7.1 引言 7.1.1 边缘检测 7.1.2 图像恢复 7.2 联合边缘检测与图像恢复的合作博弈模型 7.2.1 CG-IRED模型 7.2.2 昀小化算法 7.2.3 图像恢复实验结果与分析参考文献

展开全部