注冊 | 登錄讀書好，好讀書，讀好書！

當前位置：首頁出版圖書科學技術計算機/網絡圖形圖像、多媒體、網頁制作視頻/音頻/流媒體圖像超分辨率技術及其應用

圖像超分辨率技術及其應用

定　價：￥98.00

作　者：	（埃及）Fathi E.Abd El-Samie，Mohiy M.Hadhoud，Said E.El-Khamy
出版社：	國防工業(yè)出版社
叢編項：
標　簽：	計算機/網絡圖形圖像多媒體

購買這本書可以去

ISBN：	9787118099560	出版時間：	2015-02-01	包裝：
開本：	16開	頁數：	425	字數：

內容簡介

　　《圖像超分辨率技術及其應用》主要論述了圖像超分辨率技術，即從單幅或多幅低分辨率圖像獲取高分辨率圖像。盡管已有的圖像插值和超分辨技術的算法眾多．但仍需對此兩種技術建立統(tǒng)一聯系?！秷D像超分辨率技術及其應用》一書正是為實現此目的而出版，將圖像插值作為圖像超分辨率重建過程中的一個處理模塊對待。《圖像超分辨率技術及其應用》并不是將圖像插僮作為基于多項式問題或逆問題對待，而是對上述兩種技術進行比較分析。同時，書中論述了圖像超分辨率技術的兩個方向：有先驗知識的超分辨重建和盲超分辨率圖像重建技術。另外，書中也對圖像超分辨率技術的兩個補充步驟——圖像配準和圖像融合——進行了詳細討論。對彩色圖像插值和插值技術在模式識別中的應用技術進行了詳細討論。對基于逆問題的圖像插值技術進行了分析。介紹了圖像配準方法。討論了圖像融合及其在圖像超分辨率技術中的應用。給出了仿真試驗結果及相應的MATLAB？碼。《圖像超分辨率技術及其應用》涵蓋了圖像超分辨率技術及其應用，并介紹了醫(yī)學和衛(wèi)星圖像超分辨率技術的具體應用。用MATLAB編程實現了包括多項式圖像插值和自適應多項式圖像插值技術在內的多種圖像超分辨率技術。書中所討論的仿真代碼均在附錄中給出。

作者簡介

　　Fathi E．Abd El-Samie，分別于1998年、2001年、2005年于埃及Menoufia大學獲得學士、碩士、博士學位。自2005年在電子通信學院任教，至今在國際會議及學術期刊發(fā)表學術論文160余篇。當前研究領域為圖像增強、復原、插值，超分辨圖像重建，數據加密，多媒體通信技術，醫(yī)學圖像和光學信號處理以及數字通信等。Abd El-Samie博士在2008年獲得“數字信號處理”期刊的被引用最多論文獎。Mohiy M．Hadhoud，分別于1976年、1981年于埃及Menoufia大學獲得學士、碩士學位，于1987年于Southampton大學獲得博士學位。1981-2001年于埃及Menoufia大學電子通信學院任教，目前為埃及Menoufia大學信息技術學院教授。Mohiy M．Hadhoud博士已經在國內外學術期刊和會議上發(fā)表學術論文100余篇，當前研究領域為自適應信號及圖像處理，圖像增強、復原，超分辨圖像重建，數據加密及圖像色彩處理等。Said E．E1．Khamy，1971年于馬薩諸塞大學阿默斯特分校（university of Massachusetts，Amherst）獲得博士學位，目前為埃及Alexandria大學電子工程學院教授。2000年9月-2003年9月任該學院院長。鑒于其學術水平，他在沙特阿拉伯、伊朗、黎巴嫩以及阿拉伯科技學院（AAST）任教。Said E．El-Khamy博士當前研究領域為移動通信，不同介質中的波傳播，智能天線陣列，圖像處理與水印，以及現代信號處理技術（神經網絡、小波分析、遺傳算法、分形、HOS與模糊算法等）及其在圖像處理、通信系統(tǒng)、天線設計和波傳播中的應用。至今為止已在國內外學術期刊和會議上發(fā)表學術論文300余篇。

圖書目錄

第1章緒論
1.1 圖像插值
1.2 圖像超分辨率重建
第2章多項式圖像插值
2.1 引言
2.2 經典圖像插值算法
2.3 B樣條圖像插值
2.3.1 多項式樣條
2.3.2 B樣條類型
2.3.3 B樣條插值的數字濾波器實
2.4 O-MOMS插值法
2.5 Keys'（雙三次）插值
2.6 多項式圖像插值的問題
2.6.1 振鈴效應
2.6.2 混疊效應
2.6.3 塊效應
2.6.4 模糊效應
第3章自適應多項式圖像插值
3.1 引言
3.2 低分辨率圖像降質模型
3.3 線性不變空間圖像插值
3.4 有偏距離圖像插值
3.5 權重圖像插值
3.6 迭代圖像插值
3.7 仿真實例
第4章基于神經網絡的多項式圖像插值
4.1 引言
4.2 ANN基礎知識
4.2.1 神經元
4.2.2 層
4.2.3 連接
4.2.4 權重
4.2.5 激勵規(guī)則
4.2.6 激勵函數
4.2.7 輸出
4.2.8 學習規(guī)則
4.3 神經網絡結構
4.3.1 多層感知網絡
4.3.2 徑向基函數網絡
4.3.3 小波神經網絡
4.3.4 循環(huán)神經網絡
4.4 訓練算法
4.5 神經網絡圖像插值
4.6 仿真試驗
第5章彩色圖像插值
5.1 引言
5.2 色彩過濾陣列
5.2.1 白平衡
5.2.2 Beyer插值
5.3 拉普拉斯二階矯正的線性插值
5.4 自適應彩色圖像插值
第6章圖像插值在模式識別中的應用
6.1 引言
6.2 倒頻譜模式識別技術
6.3 特征提取
6.3.1 MFCC系數計算
6.3.2 多項式系數
6.4 基于離散變換的特征提取
6.4.1 離散小波變換
6.4.2 離散余弦變換
6.4.3 離散正弦變換
6.5 基于人工神經網絡的特征匹配
6.6 仿真實例
第7章圖像插值逆問題
7.1 引言
7.2 自適應最小二乘圖像插值
7.3 LMMSE圖像插值
7.4 最大熵圖像插值
7.5 正則化圖像插值
7.6 仿真試驗
7.7 紅外圖像的插值
第8章圖像配準
8.1 引言
8.2 圖像配準的應用
8.2.1 不同視角（多視角分析）
8.2.2 不同時間（多時相分析）
8.2.3 不同傳感器（多模型分析）
8.2.4 場景和模型的配準
8.3 圖像配準的步驟
8.3.1 特征檢測步驟
8.3.2 特征匹配步驟
8.3.3 變換模型估計
8.3.4 圖像重采樣和變換
8.4 圖像配準精度的估計
第9章圖像融合
9.1 引言
9.2 圖像融合的目標
9.3 圖像融合的實現
9.4 像素級圖像融合
9.5 主元分析融合
9.6 小波融合
9.6.1 DWT融合
9.6.2 DWFT融合
9.7 曲波融合
9.7.1 子帶濾波
9.7.2 分割
9.7.3 脊波變換
9.8 IHS融合
9.9 高通濾波融合
9.10 格蘭施密特融合
9.11 衛(wèi)星圖像融合
9.12 MR和CT圖像融合
第10章基于先驗知識的超分辨率重建
10.1 引言
10.2 多觀測LR降質模型
10.3 基于小波的圖像超分辨率重建
10.4 簡化的多通道降質模型
10.5 多通道圖像復原
10.5.1 多通道LMMSE復原
10.5.2 多通道最大熵復原
10.5.3 多通道正則化復原
10.6 仿真實例
第11章無先驗知識的超分辨率重建
11.1 引言
11.2 問題描述
11.3 二維GCD算法
11.4 盲超分辨率重建方法
11.5 仿真試驗
附錄A 離散B樣條
附錄B 托普利茨一循環(huán)近似
附錄C 牛頓算法
附錄D MATLAB？代碼
參考文獻
索引