超分辨率圖像視頻復原方法及應用

定　價：￥129.00

作　者：	徐夢溪，楊蕓著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115542465	出版時間：	2020-09-01	包裝：	平裝
開本：	小16開	頁數(shù)：	206	字數(shù)：

內(nèi)容簡介

　　近年來，在工業(yè)成像檢測、視頻監(jiān)控、衛(wèi)星遙感和航空攝影測量、醫(yī)療成像診斷、視頻娛樂系統(tǒng)、拍照增強和數(shù)字高清等許多領(lǐng)域，超分辨率圖像視頻復原技術(shù)（包括基于機器學習的技術(shù)）已成為解決領(lǐng)域應用問題和提升系統(tǒng)性能的重要技術(shù)手段。本書系統(tǒng)性介紹超分辨率圖像視頻復原技術(shù)的有關(guān)概念、方法和應用，共分為9章，內(nèi)容包括緒論、超分辨率圖像視頻復原研究與進展、改進保真項與自適應雙邊全變分的正則化方法、基于像素流和時間特征先驗的視頻超分辨率方法、稀疏字典學習與超分辨率復原、自適應稀疏表示結(jié)合正則化約束的超分辨率方法、卷積神經(jīng)網(wǎng)絡與超分辨率復原、ESPCN超分辨率技術(shù)在車輛牌照識別中的應用和光流法結(jié)合ESPCN的視頻超分辨率方法。本書內(nèi)容新穎，理論聯(lián)系實際，可作為計算機應用、電子信息工程、自動化、機械電子、儀器儀表等相關(guān)專業(yè)的研究生和高年級本科生、科研人員、工程技術(shù)人員的參考書。

作者簡介

　　徐夢溪，女，博士，副教授。2019年6月獲南京理工大學控制科學與工程學科博士學位。主持和參與國家自然科學基金2項，省部級科技計劃項目3項。發(fā)表學術(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)明專利2項，實用新型專利授權(quán)10項，軟件著作權(quán)12項；獲省部級科學技術(shù)獎1項；被選入2016年度江蘇高?！扒嗨{工程”優(yōu)秀青年骨干教師培養(yǎng)對象。主要研究方向為圖像處理、信息系統(tǒng)集成與應用。楊蕓，女，碩士，工程師。河海大學大學生創(chuàng)新工程實驗室工作。發(fā)表論文3篇，申請國家發(fā)明專利1項。參與完成了國家自然科學基金項目一項、江蘇省高?？蒲谐晒a(chǎn)業(yè)化推進工程項目一項。

圖書目錄

第1 章緒論 1
1．1　引言　1
1．2　超分辨率復原的概念　3
1．3　超分辨率復原方法分類　7
1．4　超分辨率復原質(zhì)量的評價　8
1．5　超分辨率復原技術(shù)的應用　9
參考文獻　11
第2　章超分辨率圖像/視頻復原研究與進展　13
2．1　基于重建的超分辨率復原方法　13
2．1．1　概述　13
2．1．2　基于頻域的超分辨率復原方法　14
2．1．3　基于空域的超分辨率復原方法　15
2．2　基于學習的超分辨率復原方法　23
2．2．1　基于淺層學習的超分辨率復原方法　24
2．2．2　基于深度學習的超分辨率復原方法　29
2．3　視頻超分辨率復原方法　34
2．4　其他超分辨率復原方法　38
參考文獻　40
第3　章改進保真項與自適應雙邊全變分的正則化方法　47
3．1　相關(guān)工作　47
3．2　圖像觀測模型和代價函數(shù)　49
3．3　Tukey 范數(shù)構(gòu)建保真項和權(quán)值自適應BTV 正則化　50
3．3．1　雙邊全變分（BTV）正則化項．　50
3．3．2　穩(wěn)健估計與Tukey 范數(shù)函數(shù)　51
3．3．3　Tukey 范數(shù)構(gòu)建保真項結(jié)合權(quán)值自適應BTV 正則化方法　53
3．4　超分辨率復原方法的性能評價　55
3．4．1　標準測試圖像的超分辨率實驗及算法性能評價　56
3．4．2　文本圖像的超分辨率實驗及算法性能評價　60
3．4．3　水面近紅外圖像的超分辨率實驗及算法性能評價　62
3．4．4　使用結(jié)構(gòu)相似性SSIM 指標的算法性能評價　63
3．4．5　遙感影像超分辨率實驗及算法性能評價　65
參考文獻　72
第4　章基于像素流和時間特征先驗的視頻超分辨率方法　74
4．1　基于視頻時間的超分辨率問題描述　74
4．2　空間模糊與運動模糊的形成機制　75
4．3　像素流及退化降質(zhì)過程建?！?7
4．3．1　關(guān)于像素流　77
4．3．2　像素流退化降質(zhì)過程建?！?9
4．4　時間特征先驗作為解空間約束的像素流超分辨率復原　80
4．4．1　MAP 估計框架下像素流超分辨率復原的貝葉斯推理　80
4．4．2　像素流與基于時間特征先驗的建?！?1
4．4．3　像素流超分辨率復原結(jié)果的估計　83
4．5　基于像素流和時間特征先驗建模的時空超分辨率算法　83
4．6　超分辨率復原算法性能的評價　86
4．6．1　不同算法對測試視頻的實驗比較及性能評價　86
4．6．2　不同算法對真實視頻的實驗比較及性能評價　96
參考文獻　99
第5　章稀疏字典學習與超分辨率復原　102
5．1　稀疏表示與稀疏字典學習　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　105
5．2．2　學習字典對　108
5．3　基于全局分析性稀疏先驗的超分辨率方法110
5．3．1　相關(guān)工作　110
5．3．2　基于全局分析性稀疏先驗的超分辨率圖像復原　111
5．3．3　算法性能的評價　116
參考文獻　120
第6　章自適應稀疏表示結(jié)合正則化約束的超分辨率方法　123
6．1　引言　123
6．2　非局部自相似先驗的正則化技術(shù)策略　125
6．3　自適應稀疏表示和改進的非局部自相似正則化項及SR 算法　126
6．3．1　圖像塊幾何結(jié)構(gòu)信息分析和自適應稀疏表示　126
6．3．2　改進的非局部自相似正則化　128
6．3．3　基于自適應稀疏表示結(jié)合改進的非局部自相似正則化算法　130
6．4　超分辨率復原算法性能的評價　133
6．4．1　參數(shù)設置　134
6．4．2　算法對于不同訓練樣本集的穩(wěn)健性實驗及性能評價　134
6．4．3　無噪和加噪情況下的實驗及算法性能評價　136
6．4．4　重構(gòu)計算效率評價　139
參考文獻　140
第7　章卷積神經(jīng)網(wǎng)絡與超分辨率復原　143
7．1　卷積神經(jīng)網(wǎng)絡　143
7．1．1　引言　143
7．1．2　卷積神經(jīng)網(wǎng)絡基本原理　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)絡的超分辨率復原　160
7．3．1　基于深度的卷積神經(jīng)網(wǎng)絡的超分辨復原方法　161
7．3．2　基于高效的亞像素卷積神經(jīng)網(wǎng)絡超分辨率復原方法　63
7．3．3　基于深度遞歸卷積網(wǎng)絡的超分辨率復原方法　164
參考文獻　167
第8　章 ESPCN 超分辨率技術(shù)在車輛牌照識別中的應用　169
8．1　引言　169
8．2　基于ESPCN 的單幀車輛圖像超分辨率復原　172
8．2．1　構(gòu)造車輛車輛牌照圖像數(shù)據(jù)集和訓練集及測試集　172
8．2．2　單幀車輛圖像超分辨率的ESPCN-VI 模型　173
8．3　車輛圖像超分辨率復原算法的性能評價　177
8．3．1　使用常規(guī)定量指標的算法性能評　177
8．3．2　使用車輛牌照識別正確率指標的算法性能評價　180
參考文獻　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　光流法幀間運動估計與ESPCN 模型　188
9．2．1　視頻超分辨率復原過程　188
9．2．2　光流法相鄰幀間運動估計結(jié)合ESPCN 的模型結(jié)構(gòu)　191
9．3　視頻幀的超分辨率性能評價與分析　192
9．3．1　數(shù)據(jù)集及參數(shù)設置　192
9．3．2　算法性能的評價　195
9．4　幀分辨率與幀率的擴增　199
9．4．1　視頻幀超分辨率與插幀技術(shù)　200
9．4．2　視頻超分辨率實驗與分析　201
參考文獻　205