圖像多尺度幾何分析理論與套用

書 名： 圖像多尺度幾何分析理論與套用 王爽出版社： 西安電子科技大學出版社出版時間： 2008ISBN: 9787560620275開本： 16定價： 50.00 元

基本介紹

• 書名：圖像多尺度幾何分析理論與套用
• 作者：焦李成
• 出版社：西安電子科技大學出版社
• 裝幀：平裝
• 開本：16開

內容簡介

本書從函式的非線性逼近出發，介紹了多尺度幾何分析方法和理論，以及在圖像處理領域中的套用。全書共13章，第1章系統地介紹了推動多尺度幾何分析發展的數學和生理學背景，綜述了圖像的多尺度幾何分析方法的歷史沿革、最新成果及存在的問題；第2章從神經網路、統計估計、逼近論、調和分析等角度研究了多變數目標函式的逼近問題，並指出了這一領域研究的有關問題以及在信號和圖像處理中的套用；第3章論述了基於脊波變換的直線特徵檢測方法；第4章介紹了脊波雙框架系統；第5章介紹了自適應連續脊波網路；第6~13章分別介紹了曲線波、梳狀波、子束波、楔形波、輪廓波、條帶波、方向波和剪下波的基本理論及其套用，套用範圍涉及圖像壓縮、去噪、融合、分割和分類等不同方面。本書從第3章起每一章都給出了相應的實驗方法和實驗結果。

本書可作為高校電子工程、信號與信息處理、套用數學等專業的高年級本科生或研究生的教材，也可作為從事多尺度幾何分析和數字圖像處理方面研究工作的科技工作者的參考資料。

目錄

第1章緒論

1.1引言

1.2稀疏逼近

1.3從Fourier分析到小波分析

1.4多尺度幾何分析

1.5多尺度幾何變換

1.5.1脊波及單尺度脊波變換

1.5.2曲線波（Curvelet）

1.5.3梳狀波（Brushlet）

1.5.4子束波（Beamlet）

1.5.5楔形波（Wedgelet）

1.5.6輪廓波（Contourlet）

1.5.7條帶波（Bandelet）

1.5.8方向波（Directionlet）

1.5.9剪下波（Shearlet）

1.6多尺度幾何變換的逼近性質

1.7存在的問題和進一步研究的方向

1.8本章小結

本章參考文獻

第2章基函式網路逼近

2.1引言

2.2多變數目標函式的逼近

2.2.1神經網路的逼近和學習

2.2.2統計估計

2.2.3逼近論

2.2.4調和分析

2.2.5小波神經網路

2.3脊波的發展現狀及套用前景

2.3.1脊波現有的成果

2.3.2連續和離散脊波變換

2.4存在的問題和進一步研究的方向

2.5本章小結

本章參考文獻

第3章基於脊波變換的直線特徵檢測

3.1引言

3.2圖像的離散脊波變換

3.2.1基於投影切片定理的Radon變換

3.2.2二進小波變換

3.2.3二維離散脊波變換

3.2.4脊波子帶的產生

3.3基於脊波變換的直線特徵檢測

3.4實驗結果

3.5本章小結

本章參考文獻

第4章脊波雙框架系統

4.1引言

4.2脊波、正交脊波和脊波框架

4.3Radon域中對偶框架的構造

4.4從到L2(2)的等距映射

4.5L2(R2)中的對偶框架

4.6對偶框架的性質

4.7去噪實驗

4.8本章小結

本章參考文獻

第5章自適應連續脊波網路

5.1引言

5.2多尺度幾何網路

5.3自適應連續脊波網路

5.4收斂性能分析

5.5實驗結果

5.6本章小結

本章參考文獻

第6章曲線波

6.1引言

6.2曲線波變換

6.3曲線波框架的性質

6.4第二代曲線波變換

6.5曲線波雙框架系統

6.5.1曲線波雙框架系統的構造

6.5.2實驗結果與分析

6.6曲線波網路

6.6.1曲線波網路模型

6.6.2實驗結果與分析

6.7基於方向及尺度乘積的曲線波去噪方法

6.7.1曲線波變換係數的特點

6.7.2基於方向及尺度乘積的曲線波去噪算法

6.7.3實驗結果與分析

6.8基於曲線波隱馬爾可夫樹模型的SAR圖像去噪

6.8.1曲線波隱馬爾可夫樹(HMT)模型

6.8.2基於曲線波HMT模型的圖像去噪算法

6.8.3實驗結果與分析

6.9基於曲線波的圖像融合

6.9.1基於曲線波的圖像融合方法

6.9.2評價標準

6.9.3實驗結果與分析

6.10基於曲線波的紋理分類

6.10.1結合共生矩陣的曲線波特徵提取及紋理分類算法

6.10.2Curvelet紋理分類實驗

6.10.3實驗結果與分析

6.11本章小結

本章參考文獻

第7章梳狀波

7.1引言

7.2梳狀波變換理論

7.2.1一維梳狀波基構造

7.2.2二維梳狀波基構造

7.2.3圖像的梳狀波變換

7.2.4非下採樣梳狀波變換

7.3基於梳狀波的紋理分類

7.3.1基於梳狀波復特徵的紋理分類

7.3.2基於非下採樣梳狀波紋理分類

7.4基於梳狀波的圖像分割

7.4.1融合梳狀波方向特性的無監督圖像分割

7.4.2基於非下採樣梳狀波變換的紋理圖像分割

7.4.3基於梳狀波共生矩陣的圖像分割

7.4.4基於梳狀波統計特徵的紋理分割

7.4.5基於小波和梳狀波變換域特徵融合的無監督圖像分割

7.5基於梳狀波變換和徑向基函式神經網路的指紋方向場提取

7.6梳狀波變換分層編碼壓縮

7.6.1基於梳狀波壓縮算法

7.6.2對比實驗及結果分析

7.7基於梳狀波和Wedgelet的圖像融合

7.7.1融合規則

7.7.2融合結果的評價指標

7.7.3基於梳狀波和Wedgelet的圖像融合算法

7.7.4對比實驗及結果分析

7.7.5小結

7.8本章小結

本章參考文獻

第8章子束波

8.1引言

8.2Beamlet框架的構造

8.3Beamlet分析

8.3.1Beamlet字典

8.3.2Beamlet變換

8.3.3Beamlet金字塔

8.3.4Beamlet圖

8.4Beamlet算法設計

8.4.1無結構算法

8.4.2樹狀結構算法

8.4.3線段的局部連結

8.4.4線段的全部連結

8.5本章小結

本章參考文獻

第9章楔形波

9.1引言

9.2楔形波概述

9.2.1楔形波基本理論

9.2.2楔形波分解

9.2.3楔形波構造

9.3楔形波逼近理論及其改進算法

9.3.1楔形波逼近理論

9.3.2楔形波逼近理論改進算法

9.3.3時間效率對比與改進算法的逼近效果

9.4基於楔形波的SAR圖像邊緣檢測

9.4.1楔形波基函式

9.4.2基於楔形波逼近理論改進算法的圖像邊緣檢測

9.4.3結合MSP－RoA算法的楔形波的SAR圖像邊緣檢測

9.5基於楔形波和對偶樹復小波的SAR圖像斑點噪聲抑制

9.5.1算法構造

9.5.2試驗結果與分析

9.6基於Cartoon與紋理模型的楔形波圖像壓縮

9.6.1算法構造

9.6.2實驗結果與分析

9.7基於楔形波的圖像融合

9.7.1融合規則

9.7.2融合結果的評價指標

9.7.3基於楔形波的圖像融合

9.7.4實驗結果與分析

9.8本章小結

本章參考文獻

第10章輪廓波

10.1引言

10.2輪廓波變換

10.3非下採樣輪廓波變換

10.4基於輪廓波的SAR圖像相干斑抑制

10.4.1基於輪廓波HMM的SAR圖像相干斑抑制

10.4.2統計先驗指導的NSCT域SAR圖像降斑

10.5基於非下採樣輪廓波變換的圖像融合

10.5.1基於活性測度和閉環反饋的NSCT域遙感圖像融合

10.5.2基於克隆選擇和NSCT的紅外與可見光圖像融合

10.5.3基於NSCT和LHS變換的多光譜和高分辨圖像融合

10.6基於輪廓波的紋理分割與分類

10.6.1結合多層小波和輪廓波分解的紋理圖像分割

10.6.2基於SVM和多層小波輪廓波分解的紋理圖像分割

10.6.3基於WBCT和克隆選擇算法的紋理圖像分類

10.6.4基於SWBCT的紋理圖像分類

10.7基於輪廓波的目標識別

10.7.1基於輪廓波和核Fisher判別分析的特徵提取

10.7.2基於小波和輪廓波的目標識別

10.7.3基於SWBCT和投影方法的目標識別

10.7.4基於最優輪廓波包網路的目標識別

10.8本章小結

本章參考文獻

第11章條帶波

11.1引言

11.2小波逼近和幾何圖像表示

11.2.1基於視覺特性的圖像處理現狀

11.2.2小波的非線性圖像逼近

11.2.3幾何圖像表示

11.3第一代條帶波變換

11.3.1條帶波基

11.3.2彎曲小波變換

11.3.3快速離散條帶波變換

11.4第二代條帶波變換

11.4.1第二代條帶波的構造思想

11.4.2第二代條帶波的主要實現步驟

11.4.3最優幾何方向的選擇

11.5基於第二代條帶波變換的圖像壓縮

11.5.1基於第二代條帶波變換的圖像壓縮編碼

11.5.2基於第二代條帶波和SPIHT的圖像壓縮

11.5.3基於圖像分層表示的第二代條帶波域圖像壓縮

11.6基於第二代條帶波變換的圖像去噪

11.6.1基於第二代條帶波的多層自適應閾值的圖像去噪

11.6.2基於平穩第二代條帶波的圖像去噪

11.6.3基於廣義交叉驗證和第二代平移不變條帶波的SAR圖像相干斑抑制

11.6.4結論

11.7基於第二代條帶波變換的多聚焦圖像融合

11.8基於第二代條帶波變換的圖像分割

11.9本章小結

本章參考文獻

第12章方向波

12.1引言

12.2各向異性二維小波分解

12.2.1完全可分離小波變換

12.2.2各向異性小波變換

12.3基於格的斜小波變換

12.3.1整數格理論

12.3.2斜小波變換

12.3.3多相表示

12.4基於整數格邊緣檢測的圖像融合

12.4.1基於整數格的邊緣提取

12.4.2圖像融合準則

12.4.3算法實現策略

12.4.4融合結果評估

12.4.5對比實驗及結果分析

12.4.6結論

12.5融合紋理奇異性的圖像分割

12.5.1基於灰度共生矩陣的特徵提取

12.5.2基於小波變換的特徵提取

12.5.3基於整數格的特徵提取

12.5.4對比實驗及結果分析

12.5.5結論

12.6本章小結

本章參考文獻

第13章剪下波

13.1引言

13.2剪下波

13.3使用連續剪下波分析邊緣

13.4離散剪下波變換

13.5本章小結

本章參考文獻

……