注冊 | 登錄讀書好，好讀書，讀好書！

當(dāng)前位置：首頁出版圖書科學(xué)技術(shù)工業(yè)技術(shù)一般工業(yè)技術(shù)惡劣環(huán)境降質(zhì)圖像增強理論

惡劣環(huán)境降質(zhì)圖像增強理論

定　價：￥88.00

作　者：	崔智高，王念，蘇延召，蘭云偉著
出版社：	國防工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥83.60)

ISBN：	9787118134797	出版時間：	2024-11-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　惡劣環(huán)境降質(zhì)圖像增強的主要目的是提高采集圍像的質(zhì)量和可辨識度，從而使智能視頻監(jiān)控系統(tǒng)更有利于觀察或進行下一步的智能分析處理，由于計算機對圖像的理解能力極度依賴輸入圖像的質(zhì)量，因此圖像質(zhì)量增強技術(shù)目前已廣泛應(yīng)用于計算機視覺任務(wù)的預(yù)處理中，具有重要的理論研究意義和實際應(yīng)用前景。本書立足智能視頻監(jiān)控系統(tǒng)的實際需求，針對霧、雨天氣條件下的圖像質(zhì)量退化問題，系統(tǒng)介紹了圖像去霧、圖像去雨相關(guān)研究成果，詳細討論了基于深度學(xué)習(xí)的惡劣環(huán)境降質(zhì)圖像增強方法。本書系統(tǒng)介紹了相關(guān)方法的研究背景、理論基礎(chǔ)和算法描述，并給出了相應(yīng)的實驗結(jié)果，主要內(nèi)容包括：霧、雨形成機理，數(shù)學(xué)模型以及圖像去霧，圖像去雨研究現(xiàn)狀（第1章）;圖像去霧典型算法及常用數(shù)據(jù)集（第2章）：圖像去雨典型算法及常用數(shù)據(jù)集（第3章）：基于深度學(xué)習(xí)的圖像去霧算法（第4~7章）：圖像去雨算法（第8章）等。本書是計算機圖像處理方面的專著，反映了作者近年來在這一領(lǐng)域的主要研究成果本書內(nèi)容新穎、結(jié)構(gòu)清晰、語言簡練，可作為大專院校及科研院所模式識別、圖像處理和機器視覺等領(lǐng)域的高年級本科生、研究生的教材和參考書，也可作為相關(guān)領(lǐng)域的教師、科研人員以及從事圖像恢復(fù)、圖像增強工程技術(shù)人員的參考書。

作者簡介

　　主要從事模式識別、計算機視覺、智能機器人等方向的教學(xué)科研工作，指導(dǎo)碩士研究生5名、博士研究生2名，作為負(fù)責(zé)人承擔(dān)國家自然科學(xué)基金等各類科研項目10余項，獲省部級國防科技進步一等獎1項，軍隊科技進步二等獎1項、三等獎2項，軍隊精品課程1門，公開出版學(xué)術(shù)專著2部，發(fā)表SCI檢索期刊論文20余篇，授權(quán)國家發(fā)明專利25項，指導(dǎo)研究生獲中國兵工學(xué)會全國優(yōu)秀碩士論文。

圖書目錄

第1章緒論
1.1智能視頻監(jiān)控技術(shù)
1.1.1視頻監(jiān)控技術(shù)發(fā)展階段
1.1.2典型視頻監(jiān)控系統(tǒng)
1.2圖像質(zhì)量增強技術(shù)
1.2.1圖像去霧技術(shù)
1.2.2圖像去雨技術(shù)
1.3本書內(nèi)容安排
參考文獻
第2章圖像去霧典型算法及常用數(shù)據(jù)集
2.1基于暗通道先驗的圖像去霧算法
2.2監(jiān)督學(xué)習(xí)圖像去霧算法
2.2.1DCPDN
2.2.2ACRE
2.2.3SID
2.3弱監(jiān)督圖像去霧算法
2.3.1CycleGAN方法
2.3.2物理分解方法
2.4圖像去霧常用數(shù)據(jù)集
2.5圖像去霧常用評價指標(biāo)
參考文獻
第3章圖像去雨典型算法及常用數(shù)據(jù)集
3.1基于混合高斯模型的圖像去雨算法
3.2基于深度學(xué)習(xí)的圖像去雨算法
3.2.1監(jiān)督學(xué)習(xí)圖像去雨算法
3.2.2半監(jiān)督學(xué)習(xí)圖像去雨算法
3.3圖像去雨常用數(shù)據(jù)集
3.4圖像去雨常用評價指標(biāo)
參考文獻
第4章基于遞歸卷積的多尺度深度圖像去霧算法
4.1算法總體框架
4.2算法具體實現(xiàn)
4.2.1遞歸特征提取模塊
4.2.2多尺度特征融合模塊
4.2.3損失函數(shù)
4.3實驗結(jié)果及其分析
4.3.1實驗設(shè)置
4.3.2合成數(shù)據(jù)集實驗結(jié)果
4.3.3真實霧天圖像實驗結(jié)果
參考文獻
第5章基于先驗信息引導(dǎo)的多編碼器圖像去霧算法
5.1基于自適應(yīng)通道融合的圖像去霧算法
5.1.1算法總體框架
5.1.2SAGFA模塊
5.1.3SE模塊
5.1.4損失函數(shù)
5.2基于特征調(diào)制的圖像去霧算法
5.2.1算法總體框架
5.2.2自適應(yīng)批歸一化
5.2.3優(yōu)化模塊
5.2.4損失函數(shù)
5.3實驗結(jié)果及其分析
5.3.1實驗設(shè)置
5.3.2IHAZE和OHAZE數(shù)據(jù)集實驗結(jié)果
5.3.3NHHAZE數(shù)據(jù)集實驗結(jié)果
5.3.4定量比較與分析
參考文獻
第6章基于物理模型引導(dǎo)的多解碼器圖像去霧算法
6.1算法總體框架
6.2算法具體實現(xiàn)
6.2.1多尺度特征提取與融合模塊
6.2.2注意力模塊
6.2.3多尺度監(jiān)督模塊
6.2.4損失函數(shù)
6.3實驗結(jié)果及其分析
6.3.1實驗設(shè)置
6.3.2HAZERD數(shù)據(jù)集實驗結(jié)果
6.3.3DAHAZE數(shù)據(jù)集實驗結(jié)果
參考文獻
第7章基于物理分解的弱監(jiān)督圖像去霧算法
7.1算法總體框架
7.2算法具體實現(xiàn)
7.2.1DWD判別器
7.2.2DWT特征提取
7.2.3損失函數(shù)
7.3實驗結(jié)果及其分析
7.3.1實驗設(shè)置
7.3.2合成數(shù)據(jù)集對比結(jié)果
7.3.3真實數(shù)據(jù)集對比結(jié)果
參考文獻
第8章基于多階段特征融合的圖像去雨算法
8.1算法總體框架
8.2算法具體實現(xiàn)
8.2.1淺特征提取模塊
8.2.2改進的編碼-解碼器
8.2.3剩余密集子網(wǎng)
8.2.4階段特征的漸進融合
8.2.5損失函數(shù)
8.3實驗結(jié)果及其分析
8.3.1實驗設(shè)置
8.3.2實驗結(jié)果
參考文獻