《數字圖像視頻處理及套用》是2023年科學出版社出版的圖書。
基本介紹
- 中文名：數字圖像視頻處理及套用
- 出版時間：2023年11月1日
- 出版社：科學出版社
- ISBN：9787030766397
內容簡介,圖書目錄,
內容簡介
《數字圖像視頻處理及套用》以圖像視頻處理的基本原理為主線，以實際套用為擴展，以前沿技術動態為補充，介紹圖像視頻處理領域的研究熱點及關鍵技術。《數字圖像視頻處理及套用》共11 章，分為四部分。**部分包括第1～3 章，主要介紹圖像視頻處理的基本概念與理論。第二部分包括第4～8 章，主要介紹圖像處理的關鍵技術及其實際套用。第三部分包括第9、10 章，主要介紹視頻處理的關鍵技術及其實際套用。第四部分為第11 章，主要介紹多模態信息處理技術。
圖書目錄
前言
第1章 緒論 1
1.1 引言 1
1.2基本概念 2
1.2.1圖像的基本概念 2
1.2.2視頻的基本概念 5
1.3數字圖像視頻處理技術的套用 6
1.3.1在智慧型交通領域的套用 6
1.3.2在公共安全領域的套用 8
1.3.3在教育領域的套用 9
1.3.4在醫療領域的套用 10
1.3.5在航空航天領域的套用 11
1.4本書的內容及特色 12
思考題 12
參考文獻 12
第2章 圖像常用變換 14
2.1可分離變換和正交圖像變換 14
2.2傅立葉變換 16
2.2.1一維和二維傅立葉變換 16
2.2.2傅立葉變換定理 19
2.3離散餘弦變換 24
2.3.1一維離散餘弦變換 24
2.3.2二維離散餘弦變換 27
2.4小波變換 28
2.4.1小波變換基礎 29
2.4.2一維小波變換 34
2.4.3快速小波變換 35
2.4.4二維小波變換 37
思考題 40
參考文獻 40
第3章 深度學習 42
3.1 引言 42
3.1.1基本概念 42
3.1.2反向傳播 44
3.1.3最佳化學習 46
3.1.4深度學習發展史簡介 50
3.2深度學習技術 53
3.2.1卷積神經網路的基本原理 53
3.2.2池化層與全連線層 59
3.2.3 CNN示例計算 61
3.2.4常見的卷積神經網路 62
3.2.5 GAN 80
3.2.6 Transformer 82
3.3深度學習技術在圖像處理領域的套用 91
思考題 94
參考文獻 94
第4章 圖像增強處理 96
4.1 引言 96
4.1.1圖像增強處理的目的和意義 97
4.1.2圖像增強處理的常用方法 97
4.2直方圖均衡類圖像增強處理方法 99
4.2.1圖像直方圖的基本原理 99
4.2.2基於直方圖均衡化的圖像增強處理方法 100
4.3 Retinex類圖像增強處理方法 106
4.3.1 Retinex基本原理 106
4.3.2 基於 Retinex理論的圖像增強處理方法 107
4.4研究進展及實際套用 111
4.4.1前沿技術動態簡介 111
4.4.2實際套用示例 114
思考題 117
參考文獻 117
第5章 圖像水印技術 120
5.1數字圖像水印的概念、分類及套用 120
5.1.1數字圖像水印的概念 120
5.1.2數字圖像水印的分類 121
5.1.3數字圖像水印的套用 123
5.2常見數字圖像水印攻擊及性能評價 125
5.3傳統數字圖像水印算法 129
5.3.1數字圖像水印算法的一般模型 129
5.3.2數字圖像單水印算法 130
5.4數字圖像雙水印技術 137
5.5深度學習在數字圖像水印領域的套用 140
思考題 142
參考文獻 143
第6章 圖像檢索 144
6.1 引言 144
6.1.1圖像檢索研究背景 144
6.1.2圖像檢索研究意義 145
6.1.3 圖像檢索存在的問題 146
6.2圖像底層特徵提取 148
6.3中層語義特徵提取 153
6.3.1詞袋特徵 153
6.3.2潛在語義特徵 154
6.3.3稀疏編碼特徵 155
6.4圖像檢索性能評價 156
6.4.1查全率和查準率 156
6.4.2 F得分 157
6.4.3 ROC*線和 AUC 157
6.5套用實例 158
思考題 159
參考文獻 159
第7章 高光譜圖像處理 161
7.1 引言 161
7.1.1基本概念 161
7.1.2高光譜圖像的獲取原理 162
7.2高光譜圖像處理方法分類 164
7.2.1高光譜圖像解混 165
7.2.2高光譜圖像分類 167
7.2.3高光譜圖像異常目標檢測 169
7.3高光譜圖像解混套用示例 172
vi 數字圖像視頻處理及套用
7.3.1基於非負矩陣分解的解混算法 172
7.3.2 MVC-NMF算法 174
7.3.3 GNMF算法 175
7.3.4 GLNMF算法 176
7.3.5 EAGLNMF算法 177
7.4高光譜圖像異常目標檢測套用示例 189
7.4.1基於統計的線性異常目標檢測算法 189
7.4.2非線性異常目標檢測算法 189
7.4.3 GFM 192
思考題 198
參考文獻 198
第8章 高動態範圍圖像處理 202
8.1 引言 202
8.1.1高動態範圍概念 203
8.1.2高動態範圍圖像相關理論 204
8.1.3高動態範圍圖像獲取概述 206
8.2多曝光圖像生成 HDR圖像方法 208
8.2.1空間域生成 HDR圖像 211
8.2.2變換域生成 HDR圖像 215
8.2.3基於深度學習的多曝光圖像生成 HDR圖像 219
8.3單曝光圖像生成 HDR圖像方法 221
8.3.1傳統算法 221
8.3.2基於深度學習的單曝光圖像生成 HDR圖像 225
8.4高動態範圍圖像色調映射 228
8.4.1色調映射基礎 228
8.4.2**色調映射算法 230
思考題 235
參考文獻 235
第9章 視頻編碼與碼率控制 238
9.1視頻編碼 238
9.1.1基本原理 238
9.1.2視頻編碼標準發展歷程 241
9.1.3視頻編碼與碼率控制的關係 242
9.2碼率控制的目的 242
9.3碼率控制技術原理與發展 243
9.3.1基本原理 243
9.3.2發展歷程 244
9.4先進的基於 λ域的碼率控制技術 246
9.4.1 初始 QP選擇 246
9.4.2目標比特分配 247
9.4.3目標比特實現 253
9.4.4參數更新 254
9.5套用示例 254
9.5.1示例目的 254
9.5.2示例內容 254
思考題 257
參考文獻 257
第10章 視頻目標檢測與跟蹤 260
10.1視頻目標檢測 260
10.1.1基本概念 260
10.1.2基本方法原理 261
10.2視頻目標跟蹤 270
10.2.1基本概念 270
10.2.2基本方法原理 272
10.3研究進展及實際套用 286
10.3.1目標檢測前沿技術及其套用 286
10.3.2目標跟蹤前沿技術及其套用 290
思考題 292
參考文獻 292
第11章 多模態信息處理 295
11.1圖像特徵表達 295
11.1.1圖像特徵 295
11.1.2基於統計學習的圖像特徵提取方法 298
11.1.3基於深度學習的圖像特徵提取方法 300
11.2語音特徵表達 302
11.2.1語音特徵 302
11.2.2基於統計學習的語音特徵提取方法 304
11.2.3基於深度學習的語音特徵提取方法 307
11.3文本特徵表達 308
11.3.1文本特徵 308
11.3.2基於深度學習的文本特徵提取方法 312
11.4跨模態檢索 312
11.5多模態聯合決策 315
思考題 315
參考文獻 316
