计算机
类型
可以朗读
语音朗读
198千字
字数
2022-05-01
发行日期
展开全部
主编推荐语
本书内容由浅入深、循序渐进，涵盖了深度学习在图像处理中的应用技术。
内容简介
本书共8章，首先简要介绍图像处理技术，以及深度学习在图像领域中的应用；接着对深度学习在图像处理中的应用技术进行详细介绍，包括图像阴影检测、图像阴影去除、图像噪声处理、图像匀光和匀色等内容；然后对基于卷积神经网络的图像超分辨率重建方法进行讲解；最后以基于深度学习的红树林提取和屋顶提取与绿化评价为例，详细讲解深度学习在图像处理中的应用。
目录
- 版权信息
- 内容简介
- 前言
- 第1章 绪论
- 1.1 图像阴影检测与去除
- 1.2 图像噪声处理
- 1.3 图像匀光、匀色
- 1.4 图像超分辨率重建
- 1.5 深度学习在图像领域中的应用
- 1.6 本章小结
- 本章参考文献
- 第2章 图像阴影检测
- 2.1 阴影检测的意义
- 2.2 阴影检测方法分类
- 2.2.1 基于监督学习的阴影检测方法
- 2.2.2 基于非监督学习的阴影检测方法
- 2.3 基于动态粒子群算法的阴影检测
- 2.3.1 遥感图像阴影检测方法的整体流程
- 2.3.2 遥感图像阴影检测通道设计
- 2.3.3 动态局部自适应粒子群算法
- 2.3.4 局部区域优化
- 2.4 阴影检测实验
- 2.5 本章小结
- 本章参考文献
- 第3章 图像阴影去除
- 3.1 基于梯度域的图像阴影去除方法
- 3.1.1 代表性方法研究
- 3.1.2 二维泊松方程
- 3.1.3 基于梯度域的图像阴影去除算法框架
- 3.2 基于光照转移的图像阴影去除方法
- 3.2.1 代表性方法研究
- 3.2.2 光照补偿原理
- 3.2.3 基于光照转移的图像阴影去除算法框架
- 3.3 基于深度学习的图像阴影去除方法
- 3.3.1 代表性方法研究
- 3.3.2 GAN模型
- 3.3.3 基于生成对抗网络的图像阴影去除模型——ST-CGAN
- 3.4 本章小结
- 本章参考文献
- 第4章 图像噪声处理
- 4.1 背景与现状分析
- 4.1.1 图像噪声处理的背景及意义
- 4.1.2 国内外图像噪声处理方法现状分析
- 4.2 SAR系统成像与相干斑噪声
- 4.2.1 SAR系统的成像原理
- 4.2.2 相干斑噪声的形成机理
- 4.2.3 相干斑噪声的统计模型
- 4.2.4 相干斑噪声抑制结果的评价指标
- 4.3 非凸非光滑变分模型及求解方法
- 4.3.1 基本算子和函数空间的定义
- 4.3.2 非凸非光滑变分模型
- 4.3.3 变量分割法
- 4.3.4 增广拉格朗日法
- 4.4 抑制相干斑噪声的非凸非光滑变分模型
- 4.4.1 经典的相干斑噪声抑制变分模型
- 4.4.2 无截断的非凸非光滑变分模型及数值算法
- 4.4.3 截断的非凸非光滑变分模型及数值算法
- 4.5 实验结果与分析
- 4.5.1 合成数据集和真实SAR图像数据集的构建
- 4.5.2 模型参数分析
- 4.5.3 合成数据的相干斑噪声抑制结果分析
- 4.5.4 真实SAR图像的相干斑噪声抑制结果分析
- 4.6 本章小结
- 本章参考文献
- 第5章 图像匀光、匀色
- 5.1 图像匀光、匀色的意义与现状分析
- 5.2 图像匀光、匀色方法
- 5.2.1 图像匀光方法
- 5.2.2 图像匀色方法
- 5.2.3 图像质量评价标准
- 5.3 图像匀光、匀色实验分析
- 5.3.1 实验数据
- 5.3.2 匀光处理结果
- 5.3.3 匀色处理结果
- 5.4 本章小结
- 本章参考文献
- 第6章 基于卷积神经网络的图像超分辨率重建
- 6.1 图像超分辨率重建的意义与现状分析
- 6.1.1 图像超分辨率重建的背景与意义
- 6.1.2 图像超分辨率重建方法现状分析
- 6.2 超分辨率重建技术与数据集
- 6.2.1 人工神经网络
- 6.2.2 卷积神经网络基本结构
- 6.2.3 图像超分辨率重建质量评价指标
- 6.2.4 超分辨率重建经典模型
- 6.2.5 实验数据
- 6.3 基于RDN的超分辨率重建网络模型
- 6.3.1 RDN模型的网络架构
- 6.3.2 遥感图像超分辨率重建过程
- 6.4 实验结果对比分析
- 6.4.1 RDN模型的训练
- 6.4.2 基于NWPU-RESISC45数据集的测试结果
- 6.4.3 基于RSSCN7数据集的测试结果
- 6.5 本章小结
- 本章参考文献
- 第7章 基于深度学习的红树林提取
- 7.1 红树林提取的背景意义与现状分析
- 7.1.1 红树林提取的背景意义
- 7.1.2 红树林提取方法现状分析
- 7.1.3 红树林提取技术路线
- 7.2 红树林语义分割数据集
- 7.2.1 研究区域
- 7.2.2 遥感数据和预处理
- 7.2.3 制作红树林语义分割数据集
- 7.3 基于深度学习的红树林提取模型
- 7.3.1 基于深度学习的红树林语义分割框架
- 7.3.2 深度卷积神经网络的结构
- 7.4 红树林提取实践
- 7.4.1 实验设置
- 7.4.2 实验结果
- 7.5 红树林提取模型分析
- 7.5.1 样本数据对红树林提取结果的影响
- 7.5.2 网络结构和训练技巧对模型预测结果的影响
- 7.5.3 不同的语义分割方法对红树林提取的影响
- 7.6 本章小结
- 本章参考文献
- 第8章 基于深度学习的屋顶提取与绿化评价
- 8.1 屋顶绿化的背景意义与现状分析
- 8.1.1 屋顶绿化的背景和意义
- 8.1.2 屋顶绿化现状分析
- 8.2 国内外城市屋顶绿化评价方法
- 8.2.1 德国不伦瑞克市
- 8.2.2 葡萄牙里斯本市
- 8.2.3 中国漯河市
- 8.2.4 中国深圳
- 8.3 屋顶绿化试验数据
- 8.3.1 试验区介绍
- 8.3.2 试验数据介绍
- 8.4 屋顶绿化评价方法
- 8.4.1 基于深度学习的可绿化屋顶目标检测
- 8.4.2 气象数据指标计算
- 8.4.3 公园绿地距离指标计算
- 8.4.4 交通拥堵程度指标计算
- 8.4.5 屋顶绿化评价
- 8.5 厦门岛屋顶绿化评价结果与讨论
- 8.5.1 屋顶绿化评价结果分析
- 8.5.2 可绿化屋顶目标检测方法的优势
- 8.5.3 屋顶绿化评价权重选取
- 8.5.4 屋顶绿化评价指标选取
- 8.6 本章小结
- 本章参考文献
展开全部
评分及书评
评分不足
1个评分
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
