《圖像復原最佳化算法》是2019年國防工業出版社出版的圖書，作者是張彬、于欣妍、朱永貴。
基本介紹
- 中文名：圖像復原最佳化算法
- 作者：張彬、于欣妍、朱永貴
- 出版社：國防工業出版社
- 出版時間：2019年8月
- 頁數：266 頁
- 定價：168 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787118119244
內容簡介,圖書目錄,
內容簡介
《圖像復原最佳化算法》以作者為研究生開設的“反問題的計算方法”課程講義為基礎，對圖像復原算法的原理和基礎進行了較為深入的討論，力求使讀者從原理上掌握相關算法，並能用來解決實際問題。
《圖像復原最佳化算法》共分8章，主要包括：基於正則化的圖像復原算法、Bregman分裂算法及其套用、基於偏微分方程的圖像復原算法、變指數函式空間在圖像復原和增強中的套用、深度學習在圖像去雨、單目避障系統和圖像復原中的套用。
《圖像復原最佳化算法》可作為理工科各專業本科生和研究生學習圖像復原的教材，也適合對圖像復原算法感興趣的研究人員和工程技術人員閱讀。
圖書目錄
第1章 相關數學基礎
1．1 運算元方程的病態性
1．2 最最佳化理論
1．3 泛函的變分、Euler-Lagrange方程和邊界條件
1．4 離散傅立葉變換與離散卷積
1．4．1 一維離散傅立葉變換
1．4．2 一維離散卷積
1．4．3 二維離散傅立葉變換
1．4．4 二維離散卷積
1．5 數值計算方法
1．5．1 最速下降法
1．5．2 牛頓法
1．5．3 共軛梯度法
第2章 分塊循環矩陣和分塊Toeplitz矩陣的計算
2．1 循環矩陣與一維離散傅立葉變換的關係
2．2 分塊循環矩陣與二維離散傅立葉變換的關係
第3章 兩種典型的圖像復原算法
3．1 基於傅立葉變換的圖像復原算法
3．2 基於共軛梯度法的圖像復原
3．3 預條件共軛梯度法和幾種預條件矩陣
3．3．1 分塊循環擴充預條件矩陣
3．3．2 Level 1分塊循環預條件矩陣
3．3．3 Level 2分塊循環預條件矩陣
第4章 基於全變差的圖像正則化復原算法
4．1 基於全變差的圖像正則化復原
4．1．1 函式全變差的定義
4．1．2 函式全變差的數值計算
4．2 原始-對偶牛頓法
第5章 Bregman分裂算法及其套用
5．1 Brown-nan疊代正則化算法
5．2 分裂Bregman算法
5．3 離散全變差正則化的Bregman分裂算法
5．4 基於Bregman分裂算法的各向異性圖像去噪模型
5．5 基於Bregman分裂疊代的Retinex算法
5．6 圖像盲復原模型
5．6．1 基於TV的盲復原模型
5．6．2 各向異性的圖像盲復原疊代算法
5．6．3 綜合吉洪諾夫（TiKi honov）正則化和全變差正則化的圖像盲復原
5．6．4 基於李普西茲（Lipschitz）空間正則化的圖像盲復原算法
第6章 基於偏微分方程的圖像復原算法
6．1 Rudin-Osher-Fatemi全變差復原模型
6．2 Perona-Malik復原模型
6．3 基於四階偏微分方程的復原模型
6．4 一種改進的Ambrosio-Tortorelli模型解法
6．4．1 AT模型方程、梯度下降法與牛頓法
6．4．2 離散格式
6．4．3 數值實驗與分析
第7章 變指數函式空間在圖像復原及增強中的套用
7．1 圖像復原與增強方法綜述
7．1．1 圖像復原問題及方法
7．1．2 圖像增強問題與方法
7．2 變指數函式空間中變分模型的數學基礎
7．2．1 變指數函式空間
7．2．2 運算元理論
7．3 變指數函式空間中的圖像復原模型及其算法
7．3．1 流形上的變指數圖像復原模型
7．3．2 模型的數值分析及其求解
7．3．3 實驗結果
7．4 變指數函式空間中的盲復原模型及其算法
7．4．1 變指數正則化及變指數盲復原模型
7．4．2 模型求解與數值實驗結果
7．5 變指數函式空間中的圖像增強方法
7．5．1 變指數Retinex圖像增強模型的建立
7．5．2 模型解的存在性及其求解
7．5．3 數值實驗
第8章 深度學習在圖像處理中的套用實例
8．1 深度學習
8．1．1 深度學習發展簡史
8．1．2 神經網路原理
8．1．3 卷積神經網路原理
8．1．4 生成對抗網路原理
8．2 基於深度卷積網路的單目避障系統設計
8．2．1 避障系統整體框架
8．2．2 避障系統各模組分析
8．2．3 實驗結果
8．3 卷積神經網路在圖像復原模型的套用
8．4 生成對抗網路在圖像去雨中的套用
8．4．1 常見的圖像去雨方法
8．4．2 基於生成對抗網路的圖像去雨方法
8．4．3 實驗結果
參考文獻
