《面向強噪聲場景的低秩稀疏學習視覺目標跟蹤方法》是2020年水利水電出版社出版的圖書，作者是田丹。
基本介紹
- 中文名：面向強噪聲場景的低秩稀疏學習視覺目標跟蹤方法
- 作者：田丹
- 出版社：水利水電出版社
- 出版時間：2020年5月
- ISBN：9787517085409
內容簡介,圖書目錄,
內容簡介
本書研究面向強噪聲場景的低秩稀疏學習視覺目標跟蹤方法。基於變分法和分數階微積分理論改善強噪聲場景下的視覺信息質量問題；基於低秩表示和稀疏表示理論解決目標外觀多樣性情況下的表觀建模問題；基於融合LASSO、變分法和分數階微積分理論解決複雜環境遮擋帶來的目標特徵丟失問題和目標快速運動帶來的跟蹤漂移問題；基於反向稀疏表示描述解決跟蹤模型線上學習的計算效率問題。本書可供高等院校自動化、計算機、電子信息等相關專業的本科生和研究生，以及從事計算機視覺和數字圖像處理領域的工程技術人員和研究人員參考閱讀。
圖書目錄
前 言
第1章 緒 論 1
1.1 強噪聲場景下視覺目標跟蹤的研究意義 1
1.2 研究現狀分析 2
1.2.1 變分圖像去噪方法研究現狀 3
1.2.2 分數階微積分理論在圖像處理套用中的研究現狀 7
1.2.3 低秩稀疏學習目標跟蹤方法研究現狀 8
1.3 本書的主要工作 11
第2章 變分問題的基本計算方法 15
2.1 引言 15
2.2 正則化參數的調整算法 16
2.2.1 廣義交叉驗證法 16
2.2.2 L曲線方法 17
2.2.3 全局方差估計法 18
2.2.4 局部方差估計法 19
2.3 典型的變分數值算法 21
2.3.1 梯度下降法 21
2.3.2 投影法 22
2.3.3 快速閾值收縮疊代法 24
2.3.4 加權範數疊代法 26
2.3.5 MM算法 27
第3章 基於變分理論的自適應原始對偶去噪算法 30
3.1 引言 30
3.2 ROF模型及其變換形式 31
3.2.1 ROF模型 31
3.2.2 ROF原始對偶模型 32
3.3 數值算法 33
3.3.1 基於預解式的原始對偶算法 33
3.3.2 幾種相似算法的關係性分析 34
3.3.3 自適應原始對偶去噪算法的描述 36
3.3.4 收斂性分析 37
3.3.5 參數選擇 38
3.4 數值實驗與分析 40
3.4.1 算法性能的分析與比較 41
3.4.2 正則化參數調整策略的分析與比較 42
3.5 本章小結 46
第4章 基於分數階變分理論的加性噪聲去除算法 48
4.1 引言 48
4.2 分數階微積分的定義 49
4.2.1 Grünwald-Letnikov分數階微積分 49
4.2.2 Riemann-Liouville分數階微積分 50
4.2.3 Caputo分數階微積分 51
4.2.4 Fourier變換域的分數階微積分 52
4.3 分數階去噪模型的提出 53
4.4 數值算法 55
4.4.1 算法描述 55
4.4.2 收斂性分析 57
4.4.3 參數選擇 57
4.5 數值實驗與分析 59
4.5.1 正則化參數選取策略的分析與比較 59
4.5.2 算法性能的分析與比較 64
4.5.3 去噪性能的分析與比較 65
4.6 本章小結 73
第5章 基於分數階變分理論的乘性噪聲去除算法 75
5.1 引言 75
5.2 幾種乘性變分去噪模型及其相關性分析 76
5.2.1 SO模型 76
5.2.2 I-divergence模型 77
5.2.3 Weberized模型 77
5.2.4 模型的相關性分析 77
5.3 分數階I-divergence模型的提出 78
5.4 數值算法 80
5.4.1 算法描述 80
5.4.2 收斂性分析 82
5.4.3 參數選擇 82
5.5 數值實驗與分析 84
5.5.1 正則化參數的選取 84
5.5.2 算法的性能分析與比較 87
5.5.3 模型的性能分析與比較 89
5.6 本章小結 96
第6章 基於分數階邊緣檢測的目標分割算法 97
6.1 引言 97
6.2 整數階邊緣檢測運算元 98
6.2.1 Sobel運算元 98
6.2.2 Laplacian運算元 99
6.3 分數階邊緣檢測運算元的提出 100
6.3.1 分數階Sobel運算元 100
6.3.2 分數階Laplacian運算元 102
6.4 閾值選取 103
……
