數(shù)字視聽資料分析檢驗(yàn)

第1章 概論
1．1 數(shù)字視聽資料分析檢驗(yàn)的技術(shù)背景
1．2 數(shù)字視聽資料分析檢驗(yàn)的技術(shù)內(nèi)容
1．2．1 數(shù)字視聽資料復(fù)原
1．2．2 數(shù)字視聽資料理解
1．2．3 數(shù)字視聽資料檢驗(yàn)
1．3 數(shù)字視聽資料分析檢驗(yàn)的理論基礎(chǔ)
1．3．1 信號(hào)的理想采樣與廣義采樣
1．3．2 信號(hào)的基本變換
1．3．3 統(tǒng)一的框架：函數(shù)逼近與逆問題求解
1．4 本章小結(jié)
參考文獻(xiàn)
第2章 數(shù)字語(yǔ)音表示與增強(qiáng)和噪聲抑制
2．1 引言
2．2 數(shù)字語(yǔ)音表示與增強(qiáng)
2．2．1 基于復(fù)STFT域字典學(xué)習(xí)的語(yǔ)音表示和特征提取
2．2．2 基于KNR的數(shù)字語(yǔ)音端點(diǎn)檢測(cè)與增強(qiáng)
2．3 數(shù)字語(yǔ)音降噪技術(shù)
2．3．1 固定頻率噪聲的帶阻濾波技術(shù)
2．3．2 自適應(yīng)寬帶濾波技術(shù)
2．3．3 自適應(yīng)逆濾波技術(shù)——“變換法”
2．3．4 頻域自適應(yīng)濾波與頻率補(bǔ)償技術(shù)
2．4 本章小結(jié)
參考文獻(xiàn)
第3章 數(shù)字語(yǔ)音自動(dòng)鑒定
3．1 引言
3．2 數(shù)字語(yǔ)音特征提取
3．2．1 數(shù)字語(yǔ)音預(yù)處理
3．2．2 數(shù)字語(yǔ)音典型特征提取
3．3 數(shù)字語(yǔ)音特征分類
3．3．1 GMM方法
3．3．2 貝葉斯統(tǒng)計(jì)推斷與似然比方法
3．4 數(shù)字語(yǔ)音自動(dòng)鑒定應(yīng)用實(shí)驗(yàn)
3．4．1 基于GMM和KNR分類的說話人識(shí)別實(shí)驗(yàn)
3．4．2 基于LR方法的聲紋自動(dòng)鑒定
3．5 本章小結(jié)
參考文獻(xiàn)
第4章 數(shù)字語(yǔ)音真?zhèn)螜z驗(yàn)
4．1 引言
4．2 基于語(yǔ)音背景特征分析的真?zhèn)螜z驗(yàn)
4．2．1 基于背景噪聲特性分析的真?zhèn)螜z驗(yàn)
4．2．2 基于背景周期性聲響的真?zhèn)螜z驗(yàn)
4．2．3 基于電網(wǎng)信號(hào)特征的真?zhèn)螜z驗(yàn)
4．3 基于音頻信號(hào)固有特征分析的真?zhèn)螜z驗(yàn)
4．3．1 基于音頻信號(hào)波形特征分析的真?zhèn)螜z驗(yàn)
4．3．2 基于自然音頻信號(hào)譜分析的真?zhèn)螜z驗(yàn)
4．4 基于音頻偽作特征分析的真?zhèn)螜z驗(yàn)
4．4．1 復(fù)制粘貼檢測(cè)
4．4．2 二次編碼檢測(cè)
4．5 本章小結(jié)
參考文獻(xiàn)
第5章 數(shù)字圖像復(fù)原Ⅰ：去噪與超分辨
5．1 引言
5．2 基于核回歸的圖像去噪
5．2．1 基于加權(quán)核回歸的圖像去噪
5．2．2 基于改進(jìn)SVD和再生核回歸的圖像去噪
5．2．3 圖像去噪應(yīng)用實(shí)驗(yàn)
5．3 基于KNR的圖像放大和多幀融合超分辨
5．3．1 基于插值和KNR曲面擬合的圖像放大
5．3．2 基于運(yùn)動(dòng)估計(jì)的多幀融合超分辨
5．3．3 基于特征配準(zhǔn)的多幀融合超分辨
5．4 本章小結(jié)
參考文獻(xiàn)
……
第6章 數(shù)字圖像復(fù)原Ⅱ：解模糊
第7章 數(shù)字圖像偽作檢測(cè)
第8章 視頻目標(biāo)行為分析簡(jiǎn)介