基于学习的图像增强技术PDF|Epub|txt|kindle电子书版本网盘下载

基于学习的图像增强技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 图像的基础知识1

1.1 图像信号的基本概念1

1.1.1 图像的表示1

1.1.2 图像的数字化过程2

1.1.3 数字图像的基本类型7

1.1.4 颜色模式8

1.1.5 图像分辨率15

1.2 人眼的视觉原理16

1.2.1 人眼结构16

1.2.2 相对视敏度18

1.2.3 明暗视觉19

1.2.4 对比灵敏度19

1.2.5 可见度阈值和马赫带效应20

1.3 图像质量的评估标准与方法20

参考文献23

第二章 常用图像增强技术介绍25

2.1 图像增强概述25

2.2 空域图像增强25

2.2.1 灰度变换25

2.2.2 直方图均衡28

2.2.3 空域滤波29

2.3 频域图像增强30

2.3.1 频域低通滤波器30

2.3.2 频域高通滤波器31

2.4 图像客观评价算法31

2.4.1 人眼视觉系统31

2.4.2 归一化灰度差32

2.4.3 归一化对比度32

2.4.4 归一化信息熵32

2.4.5 视频图像质量客观评价函数33

2.5 本章小结33

参考文献33

第三章 图像插值技术34

3.1 图像插值放大原理34

3.2 传统图像插值算法及原理35

3.3 基于边缘的图像插值算法38

3.4 实验结果与分析47

3.5 本章小结51

参考文献52

第四章 超分辨率技术综述53

4.1 超分辨率的含义及应用54

4.2 超分辨率技术的分类55

4.3 成像模型56

4.4 基于重建的超分辨率57

4.4.1 频域算法58

4.4.2 空域算法58

4.5 基于学习的超分辨率60

4.5.1 最大后验概率（MAP）框架下的基于学习的超分辨率理论61

4.5.2 基于学习的超分辨率算法的类别63

4.6 本章小结65

参考文献66

第五章 基于多分辨率塔式结构的人脸图像超分辨率技术68

5.1 基于学习的人脸超分辨率系统68

5.2 幻觉脸技术的复原框架69

5.3 图像金字塔模型70

5.4 多分辨率塔式结构算法73

5.4.1 人脸高斯金字塔74

5.4.2 人脸拉普拉斯金字塔74

5.4.3 人脸特征金字塔74

5.4.4 多分辨率塔式结构算法总结76

5.5 匹配复原过程76

5.5.1 塔状父结构77

5.5.2 搜索匹配过程78

5.6 算法描述79

5.7 基于学习的超分辨率图像的集成优化80

5.7.1 超分辨率复原的贝叶斯框架80

5.7.2 单目标优化算法81

5.8 实验结果与分析84

5.8.1 多分辨率塔式结构算法实验结果与分析84

5.8.2 集成优化实验结果与分析86

5.9 本章小结87

参考文献88

第六章 基于Contourlet变换的人脸图像超分辨率研究89

6.1 Contourlet变换的基本理论90

6.1.1 方向滤波器组90

6.1.2 Contourlet变换的特性分析93

6.2 基于Contourlet变换的人脸图像超分辨率95

6.2.1 特征提取95

6.2.2 匹配复原97

6.2.3 算法描述98

6.3 实验结果与分析99

6.4 本章小结101

参考文献102

第七章 基于改进的非下采样Contourlet变换的人脸图像超分辨率103

7.1 非下采样Contourlet变换103

7.1.1 非下采样金字塔104

7.1.2 非下采样方向滤波器组105

7.2 改进的非下采样Contourlet变换106

7.3 算法实现108

7.4 实验结果与分析109

7.5 本章小结112

参考文献112

第八章 基于马尔可夫随机场的超分辨率技术研究114

8.1 马尔可夫随机场模型114

8.2 特征表示117

8.3 基于马尔可夫随机场模型的超分辨率学习算法118

8.4 实验结果与分析120

8.5 本章小结123

参考文献123

第九章 基于重构方法的超分辨率研究124

9.1 基于主成分分析重构的超分辨率算法124

9.1.1 基于整幅图像的PCA重构算法126

9.1.2 基于分块的PCA重构算法126

9.2 基于流形学习重构的算法127

9.2.1 LLE算法的基本原理127

9.2.2 基于流形学习的超分辨率基本原理129

9.2.3 特征提取130

9.2.4 算法实现131

9.3 实验结果与分析132

9.4 本章小结137

参考文献137

第十章 基于超完备字典的图像稀疏表示理论的超分辨率复原138

10.1 概述138

10.1.1 信号的稀疏表示及其研究现状138

10.1.2 信号稀疏性表示139

10.1.3 超完备字典的基本概念139

10.2 信号稀疏分解算法140

10.2.1 引言140

10.2.2 框架算法141

10.2.3 匹配追踪算法141

10.2.4 最佳正交基算法142

10.2.5 全局最优算法142

10.3 超完备字典学习算法143

10.3.1 常用的字典学习算法143

10.3.2 超完备字典学习算法的比较145

10.4 基于图像稀疏表示的单幅图像超分辨率算法147

10.4.1 自训练字典学习的算法框架148

10.4.2 由粗到精的图像放大过程150

10.4.3 低分辨率和高分辨率超完备字典学习算法151

10.5 实验结果及分析152

10.5.1 文本图像放大实验153

10.5.2 与其他基于学习超分辨率算法对比154

10.5.3 图像特征提取算法对重建效果的影响156

10.5.4 目标放大倍数对重建效果的影响157

10.5.5 超完备字典尺寸对本章算法的影响158

10.6 本章小结159

参考文献160

第十一章 基于回归方法的超分辨率图像复原研究162

11.1 支持向量回归163

11.2 核偏最小二乘法回归164

11.2.1 偏最小二乘法介绍165

11.2.2 核偏最小二乘法166

11.3 基于回归方法的超分辨率复原的基本原理167

11.3.1 超分辨率图像复原原理167

11.3.2 特征表示167

11.3.3 基于回归的图像超分辨率复原算法169

11.4 基于支持向量回归方法的实验结果与分析170

11.4.1 算法的性能170

11.4.2 算法参数分析173

11.5 基于核偏最小二乘法的超分辨率实验结果与分析174

11.6 本章小结176

参考文献176

第十二章 基于多分辨率金字塔和LLE算法的人脸图像超分辨率算法178

12.1 先验模型178

12.1.1 高斯金字塔178

12.1.2 拉普拉斯金字塔178

12.1.3 特征金字塔179

12.2 先验模型复原过程179

12.2.1 塔状父结构180

12.2.2 匹配复原181

12.2.3 算法实现181

12.3 先验模型和测量模型182

12.4 实验结果及分析183

12.5 本章小结184

参考文献185

第十三章 基于马尔可夫模型与Contourlet变换的图像超分辨率复原算法186

13.1 算法的基本原理186

13.2 Contourlet系数块结构187

13.3 马尔可夫模型188

13.4 基于MRF模型和Cotourlet变换的超分辨率学习算法190

13.5 实验结果与分析192

13.6 本章小结199

参考文献199

第十四章 基于视觉美学学习的图像质量评估和增强200

14.1 基于学习的美学202

14.1.1 用户调查202

14.1.2 视觉美学特征203

14.2 重建照片，增强照片质量204

14.2.1 算法Ⅰ 优化对象位置205

14.2.2 算法Ⅱ 平衡视觉重量206

14.3 实验结果与分析207

14.4 本章小结209

参考文献209