 |
-- 會員 / 註冊 --
|
 |
|
|
|
超越視覺：人臉圖像超分辨率理論與應用 ( 簡體 字) |
| 作者：盧濤 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：科學出版社 |  3dWoo書號： 49686
詢問書籍請說出此書號！【有庫存】
NT售價： 350 元 |
| 出版日：6/1/2018 |
| 頁數：163 |
| 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：9787030577146 |
| 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： |
內容簡介：從理論和實踐兩個方面展開，系統呈現人臉超解析度領域的研究成果，並列舉低解析度人臉圖像應用領域的新思路和新方法，深入介紹人臉超解析度的理論基礎和算法，為廣大科研工作人員、刑偵技術人員提供詳細的超解析度工具和低解析度識別工具。
在研究現有演算法的基礎上，提出基於場景後驗降質模型估計的方法擬合實際的複雜成像場景，以及深度協作表達方法，並將其應用到人臉超解析度領域，為深度學習理論提供新的解釋方法。 |
目錄：第1章 緒論 1
1.1 研究背景和意義 1
1.2 國內外研究現狀 4
1.2.1 圖像降質模型研究現狀 6
1.2.2 人臉超解析度方法研究現狀 12
1.2.3 研究現狀小結 20
1.3 面臨的關鍵問題 21
1.3.1 實際降質先驗資訊提取與表達 21
1.3.2 高低解析度圖像非負特徵一致表達 22
1.3.3 圖像主成分稀疏表達 23
1.4 研究內容 23
1.4.1 基於後驗資訊的圖像降質過程自我調整估計 23
1.4.2 半耦合核非負表達全域臉超解析度演算法 24
1.4.3 主成分稀疏自我調整局部臉超解析度方法 25
1.4.4 低秩約束的極限學習機高效人臉識別演算法 25
1.4.5 低秩約束的極限學習機高效人臉識別演算法 25
1.4.6圖像超解析度極限學習機的極低解析度人臉識別演算法 26
參考文獻 26
第2章 基於後驗資訊的圖像降質過程自我調整估計 30
2.1 引言 30
2.2 方法比較 32
2.3 基於稀疏最近鄰約束的視頻多幀融合演算法 34
2.3.1 視頻圖像的時域先驗模型 34
2.3.2 基於圖像時域先驗模型的視頻多幀融合演算法 35
2.4 基於後驗圖像的降質過程自我調整估計 36
2.4.1 現場重建獲取後驗圖像的原則與方法 37
2.4.2 基於尺度不變特徵的後驗圖像對齊 38
2.4.3 基於後驗資訊的實際下採樣矩陣估計 39
2.4.4 基於後驗資訊的實際模糊矩陣估計 40
2.4.5 基於後驗降質模型的人臉超解析度演算法 41
2.5 實驗結果及分析 43
2.5.1 實驗目的與原理 43
2.5.2 實驗條件及設備 44
2.5.3 測試標準及實驗方法 45
2.5.4 實驗資料及處理 46
2.5.5 實驗結論 54
參考文獻 55
第3章 基於半耦合核非負表達的全域臉超解析度演算法 57
3.1 引言 57
3.2 方法比較 59
3.3 基於人臉形狀特徵度量的自我調整先驗選擇演算法 60
3.3.1 基於人臉形狀感知模型的特徵定位方法 61
3.3.2 基於Hausdorff距離的人臉形狀相似性度量 63
3.4 基於半耦合核非負表達的自我調整全域臉超解析度演算法 64
3.5 實驗結果及分析 66
3.5.1 實驗目的與原理 66
3.5.2 實驗條件及設備 67
3.5.3 測試標準及實驗方法 67
3.5.4 實驗資料及處理 69
3.5.5 實驗結論 78
參考文獻 79
第4章 基於主成分稀疏表達的自我調整局部臉超解析度演算法 82
4.1 引言 82
4.2 方法比較 84
4.3 基於線性表達的分塊聚類方法 85
4.4 基於主成分稀疏表達的自我調整局部臉超解析度演算法流程 86
4.4.1 主成分稀疏表達模型 86
4.4.2 基於主成分稀疏表達的超解析度演算法 87
4.5 實驗結果及分析 89
4.5.1 實驗目的與原理 89
4.5.2 實驗條件及設備 89
4.5.3 測試標準及實驗方法 90
4.5.4 實驗資料及處理 91
4.5.5 實驗結論 95
參考文獻 96
第5章 基於深度協作表達的人臉超解析度演算法 97
5.1 引言 97
5.2 方法比較 98
5.3 基於深度協作表達的人臉超分辨演算法流程 100
5.3.1 單層協作表達 100
5.3.2 字典訓練 100
5.3.3 基於深度協作表達的人臉超解析度演算法步驟 101
5.4 實驗結果與分析 102
5.4.1 實驗目的與原理 102
5.4.2 實驗條件及設備 103
5.4.3 測試標準及實驗方法 103
5.4.4 實驗資料及處理 104
5.4.5 實驗結論 112
參考文獻 112
第6章 基於低秩約束的極限學習機高效人臉識別演算法 114
6.1 引言 114
6.2 方法比較 115
6.3 基於低秩約束的極限學習機高效人臉識別演算法流程 116
6.3.1 基於低秩支持的極限學習機魯棒性人臉識別 116
6.3.2 特徵臉學習 119
6.3.3 低秩結構特徵支援的極限學習機人臉識別演算法 120
6.4 實驗結果及分析 121
6.4.1 實驗目的與原理 121
6.4.2 實驗條件及設備 122
6.4.3 測試標準及實驗方法 122
6.4.4 實驗資料及處理 122
6.4.5 實驗結論 128
參考文獻 128
第7章 基於圖像超解析度極限學習機的極低解析度人臉識別演算法 130
7.1 引言 130
7.2 方法比較 131
7.3 基於圖像超解析度極限學習機的極低解析度人臉識別演算法流程 134
7.3.1 基於稀疏表達的極低解析度人臉的超解析度演算法 135
7.3.2 基於極限學習機的人臉分類演算法 137
7.4 實驗結果與分析 139
7.4.1 實驗目的與原理 139
7.4.2 實驗條件及設備 140
7.4.3 測試標準及實驗方法 140
7.4.4 實驗資料及處理 141
7.4.5 實驗結論 145
參考文獻 146
第8章 基於雲計算的刑偵圖像增強服務框架 148
8.1 引言 148
8.2 刑偵業務的核心需求與技術問題 149
8.3 基於雲計算的刑偵圖像資源中心構架 150
8.4 刑偵圖像增強服務平臺框架 152
8.5 實際演示 155
8.5.1 模糊圖像的實際演示1 155
8.5.2 模糊圖像的實際演示2 156
附錄 圖像品質評估指標 158
後記 160 |
| 序： |
|
