《小波域數字圖像建模及其套用》以小波變換為工具，系統討論了小波域中刻畫尺度間、尺度內以及兩者結合的各種圖像統計建模，並將這些模型作為先驗知識，在貝葉斯算法框架下，深入研究了小波域圖像去噪、圖像超解析度重構、圖像復原、圖像修復、圖像數字水印以及紋理分割等方面的套用。《小波域數字圖像建模及其套用》內容豐富，基本上涵蓋了小波分析在圖像處理中的各種套用。
基本介紹
- 書名：小波域數字圖像建模及其套用
- 作者：肖志雲
- 出版日期：2014年3月1日
- 語種：簡體中文, 英語
- ISBN：7564089512
- 外文名：Wavelet Domain Digital Image Modeling and Application
- 出版社：北京理工大學出版社
- 頁數：189頁
- 開本：16
- 品牌：北京理工大學出版社
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《小波域數字圖像建模及其套用》可供在圖像處理、小波分析套用等領域從事科學研究的廣大科技工作者參考。
作者簡介
肖志雲（1974.9——），男，湖南嘉禾縣人，博士，副教授，碩士生導師。1998年7月畢業於吉林工學院自動化及電氣工程系，獲工學學士學位。2001年7月畢業於內蒙古工業大學信息工程學院，獲控制理論與控制工程碩士學位，同年進入中國科學院自動化研究所攻讀博士學位，2005年3月獲模式識別與智慧型系統工學博士學位。2010年9月作為“西部之光”訪問學者在中國科學院自動化研究所進行了為期一年的訪學。現任內蒙古工業大學電力學院自動化系主任。主持和參與過多項省部級課題，發表相關學術論文二十餘篇。主要研究方向為圖像與視頻處理、小波分析及套用等。
圖書目錄
第1章 數字圖像小波變換及其統計模型
1.1 從傅立葉變換到小波變換
1.2 小波變換
1.2.1 連續小波變換
1.2.2 離散小波變換
1.2.3 二維信號的小波多解析度分析
1.3 自然圖像小波變換的基本性質
1.4 自然圖像的小波域統計模型
本章參考文獻
第2章 基於小波域統計模型的圖像去噪算法
2.1 小波域圖像去噪算法綜述
2.1.1 圖像退化模型描述
2.1.2 小波域圖像去噪算法綜述
2.1.3 各種小波變換在信號去噪中的套用
2.1.4 不同噪聲場合中的小波去噪算法
2.1.5 圖像去噪算法的性能衡量標準
2.2 基於快速參數估計的小波域HMT模型及其圖像去噪算法
2.2.1 小波域隱馬爾科夫樹（HMT）模型
2.2.2 基於小波域HMT模型的去噪算法
2.2.3 基於快速參數估計的小波域HMT模型的去噪算法
2.2.4 Gibbs效應的消除
2.2.5 實驗結果分析與結論
2.3 基於二元樹復小波的局部高斯混合模型圖像去噪算法
2.3.1 局部高斯混合模型（Local Gaussian Mixture Model LGMM）
2.3.2 二元樹復小波變換（Dual—Free Complex wlavelet Transform）
2.3.3 基於二元樹復小波變換的局部高斯混合降噪算法框架
2.3.4 基於二元樹復小波變換的局部高斯混合模型的
參數估計
2.3.5 算法描述
2.3.6 實驗結果分析與結論
2.4 基於自適應閾值分類的小波域混合模型去噪
2.4.1 小波係數的分類
2.4.2 基於分類的小波域混合模型圖像去噪算法
2.4.3 算法描述
2.4.4 Gibbs效應的消除
2.4.5 實驗結果分析與結論
本章參考文獻
第3章 基於小波域統計模型的圖像超分辨重構
3.1 引言
3.2 圖像退化模型
3.3 病態問題分析
3.4 超解析度思想概述
3.5 超解析度算法綜述
3.6 基於MCA與小波域HMT擴展模型的圖像超解析度算法“
3.6.1 形態分量分析（：MCA）
3.6.2 小波域HMT模型的擴展
3.6.3 基於貝葉斯的圖像超分辨算法框架
3.6.4 圖像的先驗模型
3.6.5 基於MCA與HMT的圖像的超解析度重構算法
3.7 基於零空間追蹤的圖像超解析度算法
3.7.1 顯微鏡採樣時間與採樣解析度之間的矛盾
3.7.2 零空間追蹤算法
3.7.3 基於零空間追蹤的圖像超解析度重構算法
本章參考文獻
第4章 基於小波域統計模型的圖像復原算法
4.1 引言
4.2 小波域復原（反卷積）問題綜述
4.2.1 復原問題的小波域描述
4.2.2 小波域復原（反卷積）貝葉斯理論
4.2.3 復原（反卷積）問題的規整化理論及方法
4.2.4 小波域圖像復原的研究現狀
4.3 基於快速估計的小波域HMT模型圖像復原
4.3.1 圖像復原的Bayes方法及其小波域表示
4.3.2 基於小波域HMT模型圖像復原算法
4.3.3 實驗結果分析與結論
4.4 基於小波域局部高斯模型的圖像復原算法
4.4.1 問題描述
4.4.2 小波域局部高斯模型
4.4.3 基於小波域局部高斯模型的圖像復原算法
4.4.4 實驗結果分析與結論
4.5 基於傅立葉與小波域雙變數模型的圖像復原算法
4.5.1 頻率域規整化求逆
4.5.2 小波域雙變數模型的收縮去噪
4.5.3 算法描述
4.5.4 。仿真結果及結論
4.6 基於非抽取小波域雙變數模型的圖像復原
4.6.1 基於雙變數模型的非抽取小波域圖像復原
4.6.2 算法的描述
4.6.3 實驗結果分析
本章參考文獻
第5章 小波域的圖像修復算法
5.1 基於小波變換的圖像修復算法
5.1.1 基小波的選取
5.1.2 低頻圖像修復
5.1.3 高頻信息的預測和自然化處理
5.1.4 算法實現
5.2 基於小波變換的紋理圖像修復算法
5.2.1 算法總體描述
5.2.2 數據準備
5.2.3 確定優先權
5.2.4 紋理塊的填充
5.2.5 實驗結果與算法分析
本章參考文獻
第6章 小波域圖像數字水印算法
6.1 圖像數字水印技術介紹
6.2 基於閾值分類的小波域圖像數字水印算法
6.2.1 小波域圖像數字水印算法的關鍵技術
6.2.2 低頻子帶水印嵌入方法
6.2.3 高頻子帶水印嵌入方法
6.2.4 算法描述
6.2.5 實驗結果
6.3 基於EM分類的小波域圖像數字水印算法
6.3.1 EM算法原理
6.3.2 基於EM分類的小波域圖像數字水印算法
6.3.3 實驗結果分析與結論
本章參考文獻
第7章 基於小波域快速參數估計的I—IMT’模型紋理分割
7.1 紋理分割綜述
7.2 小波域局部參數快速估計的HMT模型
7.3 基於小波域局部參數快速估計的HMT模型紋理分割
7.3.1 紋理特徵矢量訓練
7.3.2 紋理分割
7.3.3 紋理分割結果融合
7.3.4 實驗結果分析與結論
本章參考文獻
1.1 從傅立葉變換到小波變換
1.2 小波變換
1.2.1 連續小波變換
1.2.2 離散小波變換
1.2.3 二維信號的小波多解析度分析
1.3 自然圖像小波變換的基本性質
1.4 自然圖像的小波域統計模型
本章參考文獻
第2章 基於小波域統計模型的圖像去噪算法
2.1 小波域圖像去噪算法綜述
2.1.1 圖像退化模型描述
2.1.2 小波域圖像去噪算法綜述
2.1.3 各種小波變換在信號去噪中的套用
2.1.4 不同噪聲場合中的小波去噪算法
2.1.5 圖像去噪算法的性能衡量標準
2.2 基於快速參數估計的小波域HMT模型及其圖像去噪算法
2.2.1 小波域隱馬爾科夫樹（HMT）模型
2.2.2 基於小波域HMT模型的去噪算法
2.2.3 基於快速參數估計的小波域HMT模型的去噪算法
2.2.4 Gibbs效應的消除
2.2.5 實驗結果分析與結論
2.3 基於二元樹復小波的局部高斯混合模型圖像去噪算法
2.3.1 局部高斯混合模型（Local Gaussian Mixture Model LGMM）
2.3.2 二元樹復小波變換（Dual—Free Complex wlavelet Transform）
2.3.3 基於二元樹復小波變換的局部高斯混合降噪算法框架
2.3.4 基於二元樹復小波變換的局部高斯混合模型的
參數估計
2.3.5 算法描述
2.3.6 實驗結果分析與結論
2.4 基於自適應閾值分類的小波域混合模型去噪
2.4.1 小波係數的分類
2.4.2 基於分類的小波域混合模型圖像去噪算法
2.4.3 算法描述
2.4.4 Gibbs效應的消除
2.4.5 實驗結果分析與結論
本章參考文獻
第3章 基於小波域統計模型的圖像超分辨重構
3.1 引言
3.2 圖像退化模型
3.3 病態問題分析
3.4 超解析度思想概述
3.5 超解析度算法綜述
3.6 基於MCA與小波域HMT擴展模型的圖像超解析度算法“
3.6.1 形態分量分析（：MCA）
3.6.2 小波域HMT模型的擴展
3.6.3 基於貝葉斯的圖像超分辨算法框架
3.6.4 圖像的先驗模型
3.6.5 基於MCA與HMT的圖像的超解析度重構算法
3.7 基於零空間追蹤的圖像超解析度算法
3.7.1 顯微鏡採樣時間與採樣解析度之間的矛盾
3.7.2 零空間追蹤算法
3.7.3 基於零空間追蹤的圖像超解析度重構算法
本章參考文獻
第4章 基於小波域統計模型的圖像復原算法
4.1 引言
4.2 小波域復原（反卷積）問題綜述
4.2.1 復原問題的小波域描述
4.2.2 小波域復原（反卷積）貝葉斯理論
4.2.3 復原（反卷積）問題的規整化理論及方法
4.2.4 小波域圖像復原的研究現狀
4.3 基於快速估計的小波域HMT模型圖像復原
4.3.1 圖像復原的Bayes方法及其小波域表示
4.3.2 基於小波域HMT模型圖像復原算法
4.3.3 實驗結果分析與結論
4.4 基於小波域局部高斯模型的圖像復原算法
4.4.1 問題描述
4.4.2 小波域局部高斯模型
4.4.3 基於小波域局部高斯模型的圖像復原算法
4.4.4 實驗結果分析與結論
4.5 基於傅立葉與小波域雙變數模型的圖像復原算法
4.5.1 頻率域規整化求逆
4.5.2 小波域雙變數模型的收縮去噪
4.5.3 算法描述
4.5.4 。仿真結果及結論
4.6 基於非抽取小波域雙變數模型的圖像復原
4.6.1 基於雙變數模型的非抽取小波域圖像復原
4.6.2 算法的描述
4.6.3 實驗結果分析
本章參考文獻
第5章 小波域的圖像修復算法
5.1 基於小波變換的圖像修復算法
5.1.1 基小波的選取
5.1.2 低頻圖像修復
5.1.3 高頻信息的預測和自然化處理
5.1.4 算法實現
5.2 基於小波變換的紋理圖像修復算法
5.2.1 算法總體描述
5.2.2 數據準備
5.2.3 確定優先權
5.2.4 紋理塊的填充
5.2.5 實驗結果與算法分析
本章參考文獻
第6章 小波域圖像數字水印算法
6.1 圖像數字水印技術介紹
6.2 基於閾值分類的小波域圖像數字水印算法
6.2.1 小波域圖像數字水印算法的關鍵技術
6.2.2 低頻子帶水印嵌入方法
6.2.3 高頻子帶水印嵌入方法
6.2.4 算法描述
6.2.5 實驗結果
6.3 基於EM分類的小波域圖像數字水印算法
6.3.1 EM算法原理
6.3.2 基於EM分類的小波域圖像數字水印算法
6.3.3 實驗結果分析與結論
本章參考文獻
第7章 基於小波域快速參數估計的I—IMT’模型紋理分割
7.1 紋理分割綜述
7.2 小波域局部參數快速估計的HMT模型
7.3 基於小波域局部參數快速估計的HMT模型紋理分割
7.3.1 紋理特徵矢量訓練
7.3.2 紋理分割
7.3.3 紋理分割結果融合
7.3.4 實驗結果分析與結論
本章參考文獻
