午夜东京热精品久久,日韩国产亚洲欧美蜜臀一三五区

內(nèi)容簡介

　　惡劣環(huán)境降質(zhì)圖像增強(qiáng)的主要目的是提高采集圍像的質(zhì)量和可辨識(shí)度，從而使智能視頻監(jiān)控系統(tǒng)更有利于觀察或進(jìn)行下一步的智能分析處理，由于計(jì)算機(jī)對(duì)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(qiáng)技術(shù)目前已廣泛應(yīng)用于計(jì)算機(jī)視覺任務(wù)的預(yù)處理中，具有重要的理論研究意義和實(shí)際應(yīng)用前景。本書立足智能視頻監(jiān)控系統(tǒng)的實(shí)際需求，針對(duì)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(xì)討論了基于深度學(xué)習(xí)的惡劣環(huán)境降質(zhì)圖像增強(qiáng)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(shí)驗(yàn)結(jié)果，主要內(nèi)容包括：霧、雨形成機(jī)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(jì)算機(jī)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(shí)別、圖像處理和機(jī)器視覺等領(lǐng)域的高年級(jí)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(qiáng)工程技術(shù)人員的參考書。

作者簡介

　　主要從事模式識(shí)別、計(jì)算機(jī)視覺、智能機(jī)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(xiàng)目10余項(xiàng)，獲省部級(jí)國防科技進(jìn)步一等獎(jiǎng)1項(xiàng)，軍隊(duì)科技進(jìn)步二等獎(jiǎng)1項(xiàng)、三等獎(jiǎng)2項(xiàng)，軍隊(duì)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(xiàng)，指導(dǎo)研究生獲中國兵工學(xué)會(huì)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(qiáng)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(xiàn)
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(yàn)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(píng)價(jià)指標(biāo)
參考文獻(xiàn)
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(píng)價(jià)指標(biāo)
參考文獻(xiàn)
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(shí)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(shí)驗(yàn)結(jié)果及其分析
4.3.1實(shí)驗(yàn)設(shè)置
4.3.2合成數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
4.3.3真實(shí)霧天圖像實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)
第5章基于先驗(yàn)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(shí)驗(yàn)結(jié)果及其分析
5.3.1實(shí)驗(yàn)設(shè)置
5.3.2IHAZE和OHAZE數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
5.3.3NHHAZE數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
5.3.4定量比較與分析
參考文獻(xiàn)
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(shí)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(shí)驗(yàn)結(jié)果及其分析
6.3.1實(shí)驗(yàn)設(shè)置
6.3.2HAZERD數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
6.3.3DAHAZE數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)
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(shí)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(shí)驗(yàn)結(jié)果及其分析
7.3.1實(shí)驗(yàn)設(shè)置
7.3.2合成數(shù)據(jù)集對(duì)比結(jié)果
7.3.3真實(shí)數(shù)據(jù)集對(duì)比結(jié)果
參考文獻(xiàn)
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(shí)現(xiàn)
8.2.1淺特征提取模塊
8.2.2改進(jìn)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(jìn)融合
8.2.5損失函數(shù)
8.3實(shí)驗(yàn)結(jié)果及其分析
8.3.1實(shí)驗(yàn)設(shè)置
8.3.2實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)