超分辨率圖像視頻復(fù)原方法及應(yīng)用

定　價(jià)：￥129.00

作　者：	徐夢(mèng)溪，楊蕓著
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787115542465	出版時(shí)間：	2020-09-01	包裝：	平裝
開(kāi)本：	小16開(kāi)	頁(yè)數(shù)：	206	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　近年來(lái)，在工業(yè)成像檢測(cè)、視頻監(jiān)控、衛(wèi)星遙感和航空攝影測(cè)量、醫(yī)療成像診斷、視頻娛樂(lè)系統(tǒng)、拍照增強(qiáng)和數(shù)字高清等許多領(lǐng)域，超分辨率圖像視頻復(fù)原技術(shù)（包括基于機(jī)器學(xué)習(xí)的技術(shù)）已成為解決領(lǐng)域應(yīng)用問(wèn)題和提升系統(tǒng)性能的重要技術(shù)手段。本書(shū)系統(tǒng)性介紹超分辨率圖像視頻復(fù)原技術(shù)的有關(guān)概念、方法和應(yīng)用，共分為9章，內(nèi)容包括緒論、超分辨率圖像視頻復(fù)原研究與進(jìn)展、改進(jìn)保真項(xiàng)與自適應(yīng)雙邊全變分的正則化方法、基于像素流和時(shí)間特征先驗(yàn)的視頻超分辨率方法、稀疏字典學(xué)習(xí)與超分辨率復(fù)原、自適應(yīng)稀疏表示結(jié)合正則化約束的超分辨率方法、卷積神經(jīng)網(wǎng)絡(luò)與超分辨率復(fù)原、ESPCN超分辨率技術(shù)在車(chē)輛牌照識(shí)別中的應(yīng)用和光流法結(jié)合ESPCN的視頻超分辨率方法。本書(shū)內(nèi)容新穎，理論聯(lián)系實(shí)際，可作為計(jì)算機(jī)應(yīng)用、電子信息工程、自動(dòng)化、機(jī)械電子、儀器儀表等相關(guān)專(zhuān)業(yè)的研究生和高年級(jí)本科生、科研人員、工程技術(shù)人員的參考書(shū)。

作者簡(jiǎn)介

　　徐夢(mèng)溪，女，博士，副教授。2019年6月獲南京理工大學(xué)控制科學(xué)與工程學(xué)科博士學(xué)位。主持和參與國(guó)家自然科學(xué)基金2項(xiàng)，省部級(jí)科技計(jì)劃項(xiàng)目3項(xiàng)。發(fā)表學(xué)術(shù)論文20篇，其中SCI/EI檢索論文14篇；作為第1發(fā)明人取得授權(quán)發(fā)明專(zhuān)利2項(xiàng)，實(shí)用新型專(zhuān)利授權(quán)10項(xiàng)，軟件著作權(quán)12項(xiàng)；獲省部級(jí)科學(xué)技術(shù)獎(jiǎng)1項(xiàng)；被選入2016年度江蘇高校“青藍(lán)工程”優(yōu)秀青年骨干教師培養(yǎng)對(duì)象。主要研究方向?yàn)閳D像處理、信息系統(tǒng)集成與應(yīng)用。楊蕓，女，碩士，工程師。河海大學(xué)大學(xué)生創(chuàng)新工程實(shí)驗(yàn)室工作。發(fā)表論文3篇，申請(qǐng)國(guó)家發(fā)明專(zhuān)利1項(xiàng)。參與完成了國(guó)家自然科學(xué)基金項(xiàng)目一項(xiàng)、江蘇省高?？蒲谐晒a(chǎn)業(yè)化推進(jìn)工程項(xiàng)目一項(xiàng)。

圖書(shū)目錄

第1 章緒論 1
1．1　引言　1
1．2　超分辨率復(fù)原的概念　3
1．3　超分辨率復(fù)原方法分類(lèi)　7
1．4　超分辨率復(fù)原質(zhì)量的評(píng)價(jià)　8
1．5　超分辨率復(fù)原技術(shù)的應(yīng)用　9
參考文獻(xiàn)　11
第2　章超分辨率圖像/視頻復(fù)原研究與進(jìn)展　13
2．1　基于重建的超分辨率復(fù)原方法　13
2．1．1　概述　13
2．1．2　基于頻域的超分辨率復(fù)原方法　14
2．1．3　基于空域的超分辨率復(fù)原方法　15
2．2　基于學(xué)習(xí)的超分辨率復(fù)原方法　23
2．2．1　基于淺層學(xué)習(xí)的超分辨率復(fù)原方法　24
2．2．2　基于深度學(xué)習(xí)的超分辨率復(fù)原方法　29
2．3　視頻超分辨率復(fù)原方法　34
2．4　其他超分辨率復(fù)原方法　38
參考文獻(xiàn)　40
第3　章改進(jìn)保真項(xiàng)與自適應(yīng)雙邊全變分的正則化方法　47
3．1　相關(guān)工作　47
3．2　圖像觀測(cè)模型和代價(jià)函數(shù)　49
3．3　Tukey 范數(shù)構(gòu)建保真項(xiàng)和權(quán)值自適應(yīng)BTV 正則化　50
3．3．1　雙邊全變分（BTV）正則化項(xiàng) ．　50
3．3．2　穩(wěn)健估計(jì)與Tukey 范數(shù)函數(shù)　51
3．3．3　Tukey 范數(shù)構(gòu)建保真項(xiàng)結(jié)合權(quán)值自適應(yīng)BTV 正則化方法　53
3．4　超分辨率復(fù)原方法的性能評(píng)價(jià)　55
3．4．1　標(biāo)準(zhǔn)測(cè)試圖像的超分辨率實(shí)驗(yàn)及算法性能評(píng)價(jià)　56
3．4．2　文本圖像的超分辨率實(shí)驗(yàn)及算法性能評(píng)價(jià)　60
3．4．3　水面近紅外圖像的超分辨率實(shí)驗(yàn)及算法性能評(píng)價(jià)　62
3．4．4　使用結(jié)構(gòu)相似性SSIM 指標(biāo)的算法性能評(píng)價(jià)　63
3．4．5　遙感影像超分辨率實(shí)驗(yàn)及算法性能評(píng)價(jià)　65
參考文獻(xiàn)　72
第4　章基于像素流和時(shí)間特征先驗(yàn)的視頻超分辨率方法　74
4．1　基于視頻時(shí)間的超分辨率問(wèn)題描述　74
4．2　空間模糊與運(yùn)動(dòng)模糊的形成機(jī)制　75
4．3　像素流及退化降質(zhì)過(guò)程建?！?7
4．3．1　關(guān)于像素流　77
4．3．2　像素流退化降質(zhì)過(guò)程建?！?9
4．4　時(shí)間特征先驗(yàn)作為解空間約束的像素流超分辨率復(fù)原　80
4．4．1　MAP 估計(jì)框架下像素流超分辨率復(fù)原的貝葉斯推理　80
4．4．2　像素流與基于時(shí)間特征先驗(yàn)的建?！?1
4．4．3　像素流超分辨率復(fù)原結(jié)果的估計(jì)　83
4．5　基于像素流和時(shí)間特征先驗(yàn)建模的時(shí) 空超分辨率算法　83
4．6　超分辨率復(fù)原算法性能的評(píng)價(jià)　86
4．6．1　不同算法對(duì)測(cè)試視頻的實(shí)驗(yàn)比較及性能評(píng)價(jià)　86
4．6．2　不同算法對(duì)真實(shí)視頻的實(shí)驗(yàn)比較及性能評(píng)價(jià)　96
參考文獻(xiàn)　99
第5　章稀疏字典學(xué)習(xí)與超分辨率復(fù)原　102
5．1　稀疏表示與稀疏字典學(xué)習(xí)　102
5．2　基于稀疏表示的單幀圖像超分辨率方法　105
5．2．1　稀疏表示的局部模型與全局重構(gòu)的約束增強(qiáng)　105
5．2．2　學(xué)習(xí)字典對(duì)　108
5．3　基于全局分析性稀疏先驗(yàn)的超分辨率方法110
5．3．1　相關(guān)工作　110
5．3．2　基于全局分析性稀疏先驗(yàn)的超分辨率圖像復(fù)原　111
5．3．3　算法性能的評(píng)價(jià)　116
參考文獻(xiàn)　120
第6　章自適應(yīng)稀疏表示結(jié)合正則化約束的超分辨率方法　123
6．1　引言　123
6．2　非局部自相似先驗(yàn)的正則化技術(shù)策略　125
6．3　自適應(yīng)稀疏表示和改進(jìn)的非局部自相似正則化項(xiàng)及SR 算法　126
6．3．1　圖像塊幾何結(jié)構(gòu)信息分析和自適應(yīng)稀疏表示　126
6．3．2　改進(jìn)的非局部自相似正則化　128
6．3．3　基于自適應(yīng)稀疏表示結(jié)合改進(jìn)的非局部自相似正則化算法　130
6．4　超分辨率復(fù)原算法性能的評(píng)價(jià)　133
6．4．1　參數(shù)設(shè)置　134
6．4．2　算法對(duì)于不同訓(xùn)練樣本集的穩(wěn)健性實(shí)驗(yàn)及性能評(píng)價(jià)　134
6．4．3　無(wú)噪和加噪情況下的實(shí)驗(yàn)及算法性能評(píng)價(jià)　136
6．4．4　重構(gòu)計(jì)算效率評(píng)價(jià)　139
參考文獻(xiàn)　140
第7　章卷積神經(jīng)網(wǎng)絡(luò)與超分辨率復(fù)原　143
7．1　卷積神經(jīng)網(wǎng)絡(luò)　143
7．1．1　引言　143
7．1．2　卷積神經(jīng)網(wǎng)絡(luò)基本原理　145
7．1．3　前向傳播與反向傳播　156
7．2　圖像/視頻樣本數(shù)據(jù)集　158
7．3　基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率復(fù)原　160
7．3．1　基于深度的卷積神經(jīng)網(wǎng)絡(luò)的超分辨復(fù)原方法　161
7．3．2　基于高效的亞像素卷積神經(jīng)網(wǎng)絡(luò)超分辨率復(fù)原方法　63
7．3．3　基于深度遞歸卷積網(wǎng)絡(luò)的超分辨率復(fù)原方法　164
參考文獻(xiàn)　167
第8　章 ESPCN 超分辨率技術(shù)在車(chē)輛牌照識(shí)別中的應(yīng)用　169
8．1　引言　169
8．2　基于ESPCN 的單幀車(chē)輛圖像超分辨率復(fù)原　172
8．2．1　構(gòu)造車(chē)輛車(chē)輛牌照?qǐng)D像數(shù)據(jù)集和訓(xùn)練集及測(cè)試集　172
8．2．2　單幀車(chē)輛圖像超分辨率的ESPCN-VI 模型　173
8．3　車(chē)輛圖像超分辨率復(fù)原算法的性能評(píng)價(jià)　177
8．3．1　使用常規(guī)定量指標(biāo)的算法性能評(píng)　177
8．3．2　使用車(chē)輛牌照識(shí)別正確率指標(biāo)的算法性能評(píng)價(jià)　180
參考文獻(xiàn)　183
第9　章光流法結(jié)合ESPCN 的視頻超分辨率方法　185
9．1　關(guān)于光流法　185
9．2　光流法幀間運(yùn)動(dòng)估計(jì)與ESPCN 模型　188
9．2．1　視頻超分辨率復(fù)原過(guò)程　188
9．2．2　光流法相鄰幀間運(yùn)動(dòng)估計(jì)結(jié)合ESPCN 的模型結(jié)構(gòu)　191
9．3　視頻幀的超分辨率性能評(píng)價(jià)與分析　192
9．3．1　數(shù)據(jù)集及參數(shù)設(shè)置　192
9．3．2　算法性能的評(píng)價(jià)　195
9．4　幀分辨率與幀率的擴(kuò)增　199
9．4．1　視頻幀超分辨率與插幀技術(shù)　200
9．4．2　視頻超分辨率實(shí)驗(yàn)與分析　201
參考文獻(xiàn)　205