本书主要介绍函数逼近理论与小波框架理论方法。全书共6章。第1章介绍求解lp(0≤p≤1)优化模型的几个基本核心概念,限制等距性质(RIP)、零空间性质(NSP)以及矩阵相互相干性(MC)条件等,也介绍作者们解决的关于RIP最优上界的一个猜想;第2章通过给出构造确定性测量矩阵的方法,介绍作者们解决的lo优化模型及其求解算法中的两个公开问题;第3章介绍冗余字典下的压缩感知理论;第4章介绍压缩采样下的信号分离理论与重构算法,其中包括作者们解决的一个公开问题;第5章介绍One-bit压缩感知的几个重要理
本书是作者在积累多年科研成果的基础上撰写而成的,详细介绍风格迁移领域中的一些算法设计和模型,涉及铅笔画风格实现、图像上色、云南重彩画的数字模拟和合成以及云南重彩画风格化绘制等技术。本书包含4种不同的风格迁移算法,模型构建思路和实现步骤详细透彻。本书立足于图像风格迁移这一大的研究领域,结合作者多年的科研工作经验,本书面向对风格迁移这一研究方向感兴趣的读者,会起到很好的参考作用,帮助读者了解相关风格的迁移算法和设计思路。
本书介绍了深度学习在图像目标检测与识别领域的应用,主要包括基于UNet的图像去雾算法、基于特征融合GAN的图像增强算法、基于ESRGAN的图像超分辨率重建算法、基于嵌套UNet的图像分割算法、基于对抗迁移学习的水下大坝裂缝图像分割算法、基于改进Faster-RCNN的海洋生物检测算法、基于YOLOv4的目标检测算法、基于RetinaNet的密集目标检测算法、基于LSTM网络的视频图像目标实时检测算法、基于改进YOLOv4的嵌入式变电站仪表检测算法等。
本书首先系统介绍了通信原理的基础知识,然后通过开源编程语言Python进行了全面完整的仿真分析。书中提供了大量极具参考价值的仿真实例,不仅通过可视化的仿真图形帮助读者深入理解理论知识,还允许修改源码,自己方便进行个性化开发。从而加快科研进度。全书共分11章。第1章主要介绍了Python的基本使用及相关库;第2章介绍了信息和信道的相关内容;第3-5章主要介绍了信号的类型和表示。以及信号的分析方法;第6-10章介绍了各种信号的调制、解调及传输方法;第11章介绍了能够提高传输可靠性的信道编码
图像先验的数学建模是最经典的图像先验的利用方法。它不仅反映了人们想了解事物背后原理的渴望,也是诸多对可靠性与稳健性有高要求的实际应用的需求。本书展示了几种典型图像处理与分析场景下的先验建模方法,既涉及无监督学习框架,也涉及有监督学习框架,相信能够对领域的发展有一定的助力,同时也能给读者带来新的启发。 本书适合数学类、计算机类专业高年级本科生和研究生阅读,也适合具备相关数学、编程基础的研究、开发人员阅读,亦可为数字人文领域的学者提供一定的参考和借鉴。
本书主要介绍了图像画质相关的各类底层视觉任务及其相关算法,重点讲解了去噪、超分辨率、去雾、高动态范围、图像合成与图像和谐化、图像增强与图像修饰等多种类型的基础任务的设定及其对应的经典算法和模型。本书讨论了底层视觉任务的基本特征,并从成像过程及图像处理的基础知识出发,系统分析了不同任务下的退化机制,以及对应的算法设计原则。本书在算法选择上兼顾了经典的传统图像算法及当前较新的人工智能模型算法,可以作为从图像处理领域或者深度学习领域进入底层计算机视觉领域进行学习的读者的基础读物。本书主要面向的读者群体
本书在2019年出版的《数字图像处理及MATLAB实现(第3版)》基础上,结合当今机器学习算法的最新发展,修改、补充和完善而成。书中主要介绍了数字图像处理的基础知识、基本方法、程序实现和典型实践应用。全书分为三个部分,共12章。第一部分(第1~4章)介绍数字图像处理的基础知识;第二部分(第5~8章)介绍数字图像处理的各种技术;第三部分(第9~12章)介绍数字图像处理的扩展内容,包括基于深度学习的图像处理技术和工程应用案例等。每章分别介绍问题的背景、基本内容和方法、实践应用(通过MATLAB软件编
本书系统讨论了近年来图像处理方法的新进展,主要内容包括:图像的变分多尺度分析:ROF模型和TV-L1模型、TV的几个新进展:TV-L1的多尺度分割、梯度差的正则化方法、全局稀疏梯度等;基于迭代正则化和逆尺度空间的多尺度分析:小波、曲波等X-Let及其对应的分解空间,以及利用这些分解空间的等价范数建立的各种图像逆尺度空间的推广;稀疏与低秩表示的基本理论以及基于稀疏与低秩表示的图像处理建模;基于字典学习和稀疏表示的图像建模,包括光滑字典、多尺度字典与l1松弛等;基于非局部正则化的图像建模,包括非局部
本书在对图像降噪方法的研究现状和经典的图像降噪方法进行回顾总结的基础上,分别针对灰度和彩色图像中不同类型噪声的特点,主要结合脉冲耦合神经网络模型、数学形态学理论、非线性滤波理论、方差稳定变换、模糊集理论等方法,介绍了相应的降噪方法的算法原理及结果。同时还对基于嵌入式系统软硬件平台的图像降噪方法相关实现进行描述,包括实现过程中遇到的问题及采取的解决方案,希望能为广大读者构建完整的图像处理硬件系统提供范例。
本书主要内容包括语义图像分割相关理论和具体事项,在介绍语义图像分割目的和相关技术及传统分割算法的基础上,讲述了从神经网络到深度学习的发展过程,重点介绍了全卷积网络,通过采用卷积神经网络实现了从图像像素到像素类别的变换;从而进一步介绍了基于全卷积网络改进的Unet网络,以及两种基于全卷积网络的 SegNet网络:正常版与贝叶斯版。另外,本书还介绍了图像分割算法DeepLab v1、v2、v3和v3+以及图卷积神经网络,以及为实现性能与实时双提高的轻量实时语义分割Enet网络、残差编码器-解码器网络