代數多重網格方法原理及圖像工程應用 ( 簡體 字) |
| 作者：黃穎等 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 41857
詢問書籍請說出此書號！【缺書】
NT售價： 195 元 |
| 出版日：7/1/2015 |
| 頁數：200 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121262333 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：從目前來看，將圖論技術應用到圖像處理之中是一種比較合適的選擇。傳統的方法過于重視圖像的局部特征，圖割方法將圖論以及特征值的方法應用到圖像分割等應用當中，能夠結合圖像的全局信息得到較好的處理結果。因此將圖論引入到圖像處理當中，是本書的主要出發點。多重網格方法是基于嵌套迭代、松弛光滑誤差，通過適當的松弛過程獲得光滑誤差近似，光滑誤差的校正能在更粗的網格上進行，這個計算過程能遞歸地應用到越來越粗的網格上，這就使計算量與未知數的個數保持一定程度的正比關系。多重網格方法是一種迭代方法，作為一種加速迭代收斂技術，可以很好地求解偏微分問題，在很多領域都有應用，如波動方程、流體力學和圖像處理等領域。本書以代數多重網格方法為基礎，利用代數多重網格方法對圖像的清晰度、圖像融合、視頻處理、圖像的物體識別和特征檢索等進行分析，得到了一些較為有用的結果。
全書共分為五章。第1章 代數多重網格方法基礎。第2章 代數多重網格圖像清晰度評價及在運動目標檢測中的應用。第3章 使用代數多重網格方法進行特征表達。第4章 代數多重網格方法在圖像融合中的應用。第5章 代數多重網格方法在物體識別中的應用。
本書第1章、第4章、第5章由黃穎編寫，第2章由黃穎和尚鳳軍共同編寫，第3章由李偉生和周麗芳共同編寫，高藝銘編寫了附錄，全書由黃穎統一定稿。王文斌、王礦生、顧西存、任雪梅和楊明等研究生為本書進行了程序編寫及圖表制作。本書參考了國內外許多同行的論文、著作，引用了其中的觀點、數據與結論，在此向相關作者表示感謝。
本書的編寫得到了重慶市科委項目（cstc2014jcyjA40043）、重慶市教委項目（kJ1400408）、重慶市研究生教育教學改革研究項目（yjg143056）、重慶郵電大學文峰骨干教師培養項目的支持。
書中如有不妥之處，歡迎讀者批評指正。
編 者 |
內容簡介：本書以代數多重網格方法為主題，對代數多重網格方法的理論進行了初步探討，并將其應用到圖像工程的多個領域，如清晰度檢測、圖像融合、特征提取和特征表達、視頻檢測以及物體識別之中。本書以理論分析為基礎，并結合應用實踐，驗證了代數多重網格方法在多個應用領域的效果，并且還能在其他更多的應用領域得到延伸，具有一定的理論和應用價值。本書所有應用實例均為作者所在研究團隊科研工作的總結，具有一定的前沿性和實用性。 |
目錄：第1章 代數多重網格方法基礎 1
1.1 代數多重網格方法的基本思想 1
1.2 代數多重網格方法的理論研究 3
1.2.1 代數多重網格方法的理論基礎 3
1.2.2 代數多重網格方法的主要步驟 4
1.2.3 性能分析 10
1.3 代數多重網格方法的實現 11
1.3.1 應用代數多重網格方法的預備過程 11
1.3.2 圖像粗網格序列的提取 12
1.3.3 粗網格序列的插值 13
1.4 代數多重網格方法的理論分析 16
1.4.1 從一個差分方程到一個線性代數問題 16
1.4.2 單一網格上求解線性方程的問題 16
1.4.3 多網格上求解線性方程的解決方案 18
1.4.4 粗網格在圖分類方法中的應用 20
1.4.5 利用拉普拉斯矩陣提取粗網格 20
1.5 代數多重網格方法與小波的對比研究 23
1.6 本章小結 24
第2章 代數多重網格圖像清晰度評價及在視頻檢測中的應用 25
2.1 圖像清晰度評價 25
2.1.1 主觀評價 25
2.1.2 客觀評價 25
2.1.3 代數多重網格方法和圖像清晰度的關系 27
2.1.4 使用代數多重網格進行無參考圖像的清晰度評價 30
2.2 實驗結果與分析 31
2.2.1 算法性能評價準則 31
2.2.2 檢驗算法的單調性 31
2.2.3 檢驗算法的一致性 33
2.2.4 檢驗算法的精確性 35
2.3 代數多重網格在運動目標檢測中的應用 37
2.3.1 使用代數多重網格進行圖像的重建 37
2.3.2 基于幀間差分法的目標檢測 39
2.3 本章小結 41
第3章 使用代數多重網格方法進行特征表達 42
3.1 圖像的特征和特征提取 42
3.1.1 圖像的顏色特征提取 42
3.1.2 紋理特征 46
3.1.3 形狀特征 47
3.1.4 空間關系特征 48
3.2 圖像的興趣點檢測 49
3.3 圖像的特征描述子 51
3.3.1 圖像的SIFT特征描述子 51
3.3.2 方向可調濾波器 52
3.3.3 微分不變量 52
3.3.4 LBP紋理特征描述符 53
3.3.5 基于場景的視覺描述符 54
3.4 圖像的特征不變性 55
3.4.1 灰度尺度不變性 55
3.4.2 旋轉不變性 56
3.4.3 統一模式特征 56
3.5 特征選擇 57
3.5.1 特征的評價準則 57
3.5.2 類別可分離性判據 58
3.5.3 特征子集的選擇 59
3.6 特征優化 60
3.6.1 基于類別可分性判據的特征優化 60
3.6.2 主成分分析法 62
3.6.3 非線性維數降低 63
3.7 基于代數多重網格方法的特征研究 69
3.7.1 使用代數多重網格方法進行特征優化 69
3.7.2 使用代數多重網格方法進行特征選擇 70
3.8 本章小結 73
第4章 代數多重網格方法在圖像融合中的應用 74
4.1 多聚焦圖像融合概述 74
4.2 多聚焦圖像融合基礎和質量評價 76
4.2.1 多聚焦圖像產生的原因 76
4.2.2 多聚焦圖像融合的層次 78
4.2.3 多聚焦圖像融合的算法 79
4.2.4 基于空域的多聚焦圖像融合算法 79
4.2.5 基于頻域的多聚焦圖像融合算法 80
4.2.6 多聚焦圖像融合質量評價 82
4.2.7 主觀評價 82
4.2.8 客觀評價 82
4.3 基于代數多重網格方法的多聚焦圖像重建過程 84
4.3.1 圖像粗網格序列的提取 84
4.3.2 粗網格序列的插值 86
4.4 基于區域的多聚焦圖像融合算法 87
4.5 基于隸屬度的多聚焦圖像融合算法 90
4.5.1 區域決策圖 91
4.5.2 滿足一致性原則的區域隸屬圖 91
4.5.3 多級分塊的區域劃分圖 91
4.6 基于邊緣提取的多聚焦圖像融合算法 93
4.6.1 基于邊緣提取的多聚焦圖像融合算法流程 93
4.6.2 獲取多聚焦圖像邊緣 94
4.6.3 分區域融合 98
4.6.4 實驗結果評價 98
4.7 基于清晰和模糊邊界判定的多聚焦圖像融合算法 101
4.7.1 基于清晰和模糊邊界判定的方法的思路 101
4.7.2 與其他算法的主觀研究 107
4.7.3 圖像融合效果綜合評價方法（客觀評價） 111
4.8 本章小結 115
第5章 代數多重網格方法在物體識別中的應用 116
5.1 圖像檢索概述 116
5.1.1 清晰度評價算法在圖像檢索中的應用 117
5.1.2 圖像中清晰度區域提取 117
5.1.3 代數多重網格法降低維度 119
5.1.4 拉普拉斯投影矩陣變換法降低維度 124
5.2 圖像檢索實驗結果及分析 127
5.2.1 圖像檢索系統介紹 127
5.2.2 檢索一幅圖像 128
5.2.3 檢索序列圖像 128
5.3 代數多重網格方法在物體識別中的應用 133
5.4 物體識別的研究現狀 133
5.4.1 問題描述 133
5.4.2 物體識別難點 134
5.5 基于“詞袋”模型的物體識別方法 134
5.5.1 文本“詞袋”模型 134
5.5.2 圖像“詞袋”模型基本思想 135
5.5.3 特征表示和特征描述 136
5.5.4 視覺詞典的形成 137
5.5.5 視覺單詞的直方圖 147
5.5.6 參數模型學習 148
5.5.7 物體識別全過程 150
5.5.8 物體識別結果及其分析 152
5.6 本章小結 155
附錄A 圖論基礎 156
附錄B PyAMG的使用 166
附錄C 源代碼 176
參考文獻 184 |
| 序： |
