歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

圖像復(fù)原優(yōu)化算法

出版社：國(guó)防工業(yè)出版社出版時(shí)間：2019-08-01
開(kāi)本： 26cm 頁(yè)數(shù)： 266頁(yè)
中 圖 價(jià):¥100.8(6.0折) 定價(jià)  ¥168.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>
買(mǎi)過(guò)本商品的人還買(mǎi)了

圖像復(fù)原優(yōu)化算法 版權(quán)信息

圖像復(fù)原優(yōu)化算法 本書(shū)特色

　　《圖像復(fù)原優(yōu)化算法》以作者為研究生開(kāi)設(shè)的“反問(wèn)題的計(jì)算方法”課程講義為基礎(chǔ)，對(duì)圖像復(fù)原算法的原理和基礎(chǔ)進(jìn)行了較為深入的討論，力求使讀者從原理上掌握相關(guān)算法，并能用來(lái)解決實(shí)際問(wèn)題。
　　《圖像復(fù)原優(yōu)化算法》共分8章，主要包括：基于正則化的圖像復(fù)原算法、Bregman分裂算法及其應(yīng)用、基于偏微分方程的圖像復(fù)原算法、變指數(shù)函數(shù)空間在圖像復(fù)原和增強(qiáng)中的應(yīng)用、深度學(xué)習(xí)在圖像去雨、單目避障系統(tǒng)和圖像復(fù)原中的應(yīng)用。
　　《圖像復(fù)原優(yōu)化算法》可作為理工科各專(zhuān)業(yè)本科生和研究生學(xué)習(xí)圖像復(fù)原的教材，也適合對(duì)圖像復(fù)原算法感興趣的研究人員和工程技術(shù)人員閱讀。

圖像復(fù)原優(yōu)化算法 內(nèi)容簡(jiǎn)介

本書(shū)包括: 分塊循環(huán)矩陣、分塊Toeplitz矩陣及其計(jì)算, 基于離散傅里葉變換的圖像復(fù)原算法, 基于全變差的圖像正則化復(fù)原算法, 基于偏微分方程的圖像去噪算法, Bregman分裂算法及其應(yīng)用, 變指數(shù)泛函在圖像盲復(fù)原中的應(yīng)用, 深度學(xué)習(xí)在圖像復(fù)原中的應(yīng)用, 共軛梯度法、牛頓法、擬牛頓法、Bregman分裂算法等內(nèi)容。

圖像復(fù)原優(yōu)化算法 目錄

第1章 相關(guān)數(shù)學(xué)基礎(chǔ)
1．1 算子方程的病態(tài)性
1．2 *優(yōu)化理論
1．3 泛函的變分、Euler-Lagrange方程和邊界條件
1．4 離散傅里葉變換與離散卷積
1．4．1 一維離散傅里葉變換
1．4．2 一維離散卷積
1．4．3 二維離散傅里葉變換
1．4．4 二維離散卷積
1．5 數(shù)值計(jì)算方法
1．5．1 *速下降法
1．5．2 牛頓法
1．5．3 共軛梯度法

第2章 分塊循環(huán)矩陣和分塊Toeplitz矩陣的計(jì)算
2．1 循環(huán)矩陣與一維離散傅里葉變換的關(guān)系
2．2 分塊循環(huán)矩陣與二維離散傅里葉變換的關(guān)系

第3章 兩種典型的圖像復(fù)原算法
3．1 基于傅里葉變換的圖像復(fù)原算法
3．2 基于共軛梯度法的圖像復(fù)原
3．3 預(yù)條件共軛梯度法和幾種預(yù)條件矩陣
3．3．1 分塊循環(huán)擴(kuò)充預(yù)條件矩陣
3．3．2 Level 1分塊循環(huán)預(yù)條件矩陣
3．3．3 Level 2分塊循環(huán)預(yù)條件矩陣

第4章 基于全變差的圖像正則化復(fù)原算法
4．1 基于全變差的圖像正則化復(fù)原
4．1．1 函數(shù)全變差的定義
4．1．2 函數(shù)全變差的數(shù)值計(jì)算
4．2 原始-對(duì)偶牛頓法

第5章 Bregman分裂算法及其應(yīng)用
5．1 Brown-nan迭代正則化算法
5．2 分裂Bregman算法
5．3 離散全變差正則化的Bregman分裂算法
5．4 基于Bregman分裂算法的各向異性圖像去噪模型
5．5 基于Bregman分裂迭代的Retinex算法
5．6 圖像盲復(fù)原模型
5．6．1 基于TV的盲復(fù)原模型
5．6．2 各向異性的圖像盲復(fù)原迭代算法
5．6．3 綜合吉洪諾夫（TiKi honov）正則化和全變差正則化的圖像盲復(fù)原
5．6．4 基于李普西茲（Lipschitz）空間正則化的圖像盲復(fù)原算法

第6章 基于偏微分方程的圖像復(fù)原算法
6．1 Rudin-Osher-Fatemi全變差復(fù)原模型
6．2 Perona-Malik復(fù)原模型
6．3 基于四階偏微分方程的復(fù)原模型
6．4 一種改進(jìn)的Ambrosio-Tortorelli模型解法
6．4．1 AT模型方程、梯度下降法與牛頓法
6．4．2 離散格式
6．4．3 數(shù)值實(shí)驗(yàn)與分析

第7章 變指數(shù)函數(shù)空間在圖像復(fù)原及增強(qiáng)中的應(yīng)用
7．1 圖像復(fù)原與增強(qiáng)方法綜述
7．1．1 圖像復(fù)原問(wèn)題及方法
7．1．2 圖像增強(qiáng)問(wèn)題與方法
7．2 變指數(shù)函數(shù)空間中變分模型的數(shù)學(xué)基礎(chǔ)
7．2．1 變指數(shù)函數(shù)空間
7．2．2 算子理論
7．3 變指數(shù)函數(shù)空間中的圖像復(fù)原模型及其算法
7．3．1 流形上的變指數(shù)圖像復(fù)原模型
7．3．2 模型的數(shù)值分析及其求解
7．3．3 實(shí)驗(yàn)結(jié)果
7．4 變指數(shù)函數(shù)空間中的盲復(fù)原模型及其算法
7．4．1 變指數(shù)正則化及變指數(shù)盲復(fù)原模型
7．4．2 模型求解與數(shù)值實(shí)驗(yàn)結(jié)果
7．5 變指數(shù)函數(shù)空間中的圖像增強(qiáng)方法
7．5．1 變指數(shù)Retinex圖像增強(qiáng)模型的建立
7．5．2 模型解的存在性及其求解
7．5．3 數(shù)值實(shí)驗(yàn)

第8章 深度學(xué)習(xí)在圖像處理中的應(yīng)用實(shí)例
8．1 深度學(xué)習(xí)
8．1．1 深度學(xué)習(xí)發(fā)展簡(jiǎn)史
8．1．2 神經(jīng)網(wǎng)絡(luò)原理
8．1．3 卷積神經(jīng)網(wǎng)絡(luò)原理
8．1．4 生成對(duì)抗網(wǎng)絡(luò)原理
8．2 基于深度卷積網(wǎng)絡(luò)的單目避障系統(tǒng)設(shè)計(jì)
8．2．1 避障系統(tǒng)整體框架
8．2．2 避障系統(tǒng)各模塊分析
8．2．3 實(shí)驗(yàn)結(jié)果
8．3 卷積神經(jīng)網(wǎng)絡(luò)在圖像復(fù)原模型的應(yīng)用
8．4 生成對(duì)抗網(wǎng)絡(luò)在圖像去雨中的應(yīng)用
8．4．1 常見(jiàn)的圖像去雨方法
8．4．2 基于生成對(duì)抗網(wǎng)絡(luò)的圖像去雨方法
8．4．3 實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)
展開(kāi)全部

圖像復(fù)原優(yōu)化算法 作者簡(jiǎn)介

張彬，男，博士，教授，現(xiàn)在中國(guó)傳媒大學(xué)理工學(xué)部工作，本科和碩士就讀于陜西師范大學(xué)數(shù)學(xué)系，博士就讀于西安電子科技大學(xué)。 于欣妍，女，博士，講師，現(xiàn)在中國(guó)傳媒大學(xué)理工學(xué)部工作，本科和碩士就讀于山東大學(xué)數(shù)學(xué)系，博士就讀于北京交通大學(xué)，現(xiàn)在國(guó)外訪學(xué)。 豆?jié)申?yáng)，男，博士生，中國(guó)傳媒大學(xué)計(jì)算數(shù)學(xué)專(zhuān)業(yè)碩士，現(xiàn)在北京理工大學(xué)光電學(xué)院攻讀博士學(xué)位。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
編輯推薦
返回頂部
中圖網(wǎng)
在線客服