新書推薦：
《
抗癌食物百科
》
售價：NT$
500
《
六西格玛管理法：世界顶级企业追求卓越之道（原书第2版）
》
售價：NT$
556
《
六西格玛管理法：世界顶级企业追求卓越之道（原书第2版）
》
售價：NT$
556
《
现场改善：低成本管理方法的常识（原书第2版）（珍藏版） （日）今井正明
》
售價：NT$
505
《
判断力：如何做出更好的选择
》
售價：NT$
403
《
供应链风暴：美国制造业回流与全球竞争新格局
》
售價：NT$
449
《
机器人运动脑原理与应用
》
售價：NT$
352
《
百年文人清晰或模糊的背影卷二 精装藏书票梁由之主编
》
售價：NT$
689
|
| 內容簡介： |
雾天图像太模糊？看这本《雾霾天气下的图像复原技术》如何让 “朦胧照” 秒变 “高清大片”，安全监控、交通管理、科研分析全领域精准 “去雾”！
从传统算法到卷积神经网络，8 章系统化解析图像去雾黑科技，让你看透雾里乾坤，掌握图像复原核心密码！
作者多年研究成果 + 实验验证算法，带你直击图像去雾智能化、自动化前沿，在雾天图像处理领域快人一步！
|
| 目錄：
|
目录
第 1 章 图像去雾技术概述
1.1 去雾问题的提出
1.1.1 研究背景
1.1.2 研究意义
1.2 去雾问题研究现状
1.2.1 基于增强技术的方法
1.2.2 基于模型分析的方法
1.2.3 基于深度学习的方法
1.2.4 去雾数据集选择
1.3 去雾技术关键问题分析
1.3.1 雾霾图像的组成成分研究
1.3.2 雾霾图像的表现形式研究
1.3.3 雾霾图像的作用运算研究
1.4 图像去雾的评价方法
1.4.1 经典去雾评价方法
1.4.2 对比度增强评价方法
1.4.3 其他去雾评价方法
1.5 本章小结
参考文献
第 2 章 基于典型增强方法的图像去雾技术
2.1 图像增强的基本理论
2.2 常用的空域增强方法
2.2.1 灰度变换
2.2.2 直方图处理
2.2.3 空间滤波
2.3 常用的频域增强方法
2.3.1 低通滤波
2.3.2 高通滤波
2.3.3 同态滤波
2.3.4 小波变换
2.4 典型方法在去雾中的应用
2.4.1 直方图均衡化去雾
2.4.2 直方图规定化去雾
2.4.3 局部直方图均衡化去雾
2.4.4 同态滤波去雾
2.4.5 小波变换去雾
2.5 本章小结
参考文献
第 3 章 基于人眼视觉的图像去雾技术
3.1 人眼视觉系统
3.1.1 人眼视觉系统的组成
3.1.2 人眼视觉恒常性
3.1.3 Retinex 理论
3.2 Retinex 算法演进
3.2.1 基于路径比较的 Retinex 算法
3.2.2 中心 / 环绕 Retinex 算法
3.2.3 变分 Kimmel Retinex 算法
3.3 保持色彩和亮度的 Retinex 改进去雾算法
3.3.1 白平衡和背景亮度的计算
3.3.2 估计外部光照
3.3.3 求解场景反射率
3.3.4 亮度校正
3.3.5 实验结果及其分析
3.4 亮度反馈的彩色图像去雾算法
3.4.1 图像色彩空间转换
3.4.2 亮度图像处理方案
3.4.3 视觉特性的色调调整方案
3.4.4 实验结果及分析
3.5 本章小结
参考文献
第 4 章 基于统计特征的图像去雾技术
4.1 统计特征的去雾算法演进
4.2 基于局部特征统计的图像去雾
4.2.1 暗通道先验
4.2.2 color-lines 先验
4.2.3 分区域粗略估计介质传输图
4.2.4 细化粗略估计介质传输图
4.2.5 实验结果及分析
4.3 基于非局部特征统计的图像去雾
4.3.1 非局部先验
4.3.2 利用非局部先验估计初始介质传输图
4.3.3 实验结果及分析
4.4 基于全局特征统计的快速图像去雾
4.4.1 颜色衰减先验
4.4.2 粗略估计介质传输图
4.4.3 优化介质传输图
4.4.4 实验结果及分析
4.5 本章小结
参考文献
第 5 章 基于几何模型的图像去雾技术
5.1 景深特性拟合与表征
5.1.1 点规划先验
5.1.2 局部线性先验
5.1.3 曲面可展先验
5.2 基于哈代变分框架下的图像去雾算法
5.2.1 哈代空间
5.2.2 基于哈代变分框架的图像去雾
5.2.3 实验结果及分析
5.3 基于颜色模型的雾霾图像复原算法
5.3.1 混合模态下的初始估计分析
5.3.2 颜色线限定下的精准恢复
5.3.3 实验结果及分析
5.4 基于曲面特性的雾霾图像复原算法
5.4.1 典型矩阵投射法
5.4.2 局部流形的估计方法
5.4.3 景深协同的高斯曲率正则化
5.4.4 实验结果及分析
5.5 本章小结
参考文献
第 6 章 基于马尔可夫模型的图像去雾技术
6.1 马尔可夫随机场
6.1.1 马尔可夫随机场基础理论
6.1.2 马尔可夫随机场常见模型
6.1.3 常用的参数估计方法和最优准则
6.2 暗通道先验下一阶马尔可夫随机场去雾
6.2.1 马尔可夫随机场模型
6.2.2 基于纹理检测的介质传输图精细化
6.2.3 实验结果及分析
6.3 color-lines 先验下高阶马尔可夫随机场去雾
6.3.1 利用 color-lines 先验计算 t (x)
6.3.2 基于 color-lines 先验的传输图粗校正
6.3.3 利用高阶马尔可夫随机场优化介质传输图
6.3.4 实验结果及分析
6.4 颜色衰减先验下局部一致马尔可夫随机场去雾
6.4.1 改进介质传输图估计
6.4.2 利用局部一致性马尔可夫随机场优化介质传输图
6.4.3 去雾效果优化
6.4.4 实验结果及分析
6.5 本章小结
参考文献
第 7 章 基于稀疏表征模型的图像去雾技术
7.1 稀疏表示理论
7.1.1 基础理论
7.1.2 模型求解
7.2 基于稀疏特征提取的去雾算法
7.2.1 基于稀疏表示的传输图优化模型
7.2.2 基于稀疏表征模型的传输图精细化
7.2.3 基于稀疏系数结合的最终传输图求取
7.2.4 实验结果及分析
7.3 基于双字典差异化处理的图像去雾算法
7.3.1 去雾模型分析
7.3.2 基于 K-SVD 字典的图像重构
7.3.3 基于 PCA 字典的图像重构
7.3.4 差异化图像处理
7.3.5 实验结果及分析
7.4 本章小结
参考文献
第 8 章 基于卷积神经网络的图像去雾技术
8.1 卷积神经网络去雾现状
8.2 基于卷积网络的图像去雾代表性算法
8.2.1 基于卷积网络 DehazeNet 的图像去雾算法
8.2.2 基于多尺度卷积网络 MSCNN 的图像去雾算法
8.2.3 基于 FFA-Net 的图像去雾算法
8.3 基于卷积网络的图像去雾
8.3.1 分层金字塔网络
8.3.2 基于特征学习的去雾对抗生成网络
8.4 本章小结
参考文献
|
| 內容試閱：
|
|
前言 在现代生活中，图像信息的获取与处理变得越来越重要。无论是安全监控、交通管理、环境监测还是个人摄影，高质量的图像都是不可或缺的。然而，自然环境中的雾、烟等气象条件常常导致图像质量下降，影响图像的可用性。图像去雾技术应运而生，旨在通过算法改善受雾影响的图像，恢复其清晰度和真实感。图像去雾技术对于多个领域具有深远的影响。在安全监控领域，清晰的图像可以帮助监控人员及时发现异常情况，提高安全防范能力。在交通管理中，去雾技术可以提高摄像头在雾天的识别能力，减少交通事故的发生。此外，环境监测和科学研究中，去雾技术也能够帮助科学家们获取更准确的数据，从而进行更有效的分析和决策。 本书撰写的目的是将去雾的相关研究系统化，内容共分为 8 章：第 1 章为图像去雾技术概述，介绍图像去雾的背景意义、研究现状、关键问题及评价方法；第 2 章介绍一些典型的图像增强方法及其在去雾中的应用；第 3 章介绍了基于人眼视觉的图像去雾技术，使去雾效果更符合人眼视觉特性；第 4 章以雾天散射模型为依托，利用先验假设，从统计特征的角度进行去雾；第 5 章在散射模型的基础上，以点、线、面 3 种几何模型为约束对雾天图像复原进行研究；第 6 章在马尔可夫随机场的理论基础上对图像去雾展开研究；第 7 章将图像稀疏表示理论应用到图像去雾中；第 8 章基于卷积神经网络对图像进行去雾。 本书根据作者多年研究成果整理而成，所提算法均已通过实验验证。本书的诞生，离不开南栋、李权合、周理、凡遵林、睢萍、温海滨、王琳、董亚运、刘坤等人的鼎力相助。他们凭借自身的专业知识和丰富经验，为本书的编写提供了宝贵的建议和意见，在此表示衷心的感谢。 随着技术的不断进步，图像去雾正朝着更加智能化、自动化的方向发展。未来的去雾技术将更加注重算法的泛化能力，能够适应更加复杂的去雾环境。结合人工智能技术，去雾算法的准确性也将进一步提升。 限于作者水平，书中难免存在疏漏和不妥之处，欢迎专家、学者和广大读者批评指正。 作者2025 年 3 月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
