本書內容由淺入深、循序漸進，涵蓋了深度學習在圖像處理中的應用技術。本書共8章，首先簡要介紹圖像處理技術，以及深度學習在圖像領域中的應用；接著對深度學習在圖像處理中的應用技術進行詳細介紹，包括圖像陰影檢測、圖像陰影去除、圖像噪聲處理、圖像勻光和勻色等內容；然后對基于卷積神經網絡的圖像超分辨率重建方法進行講解；最后以基于深度學習的紅樹林提取和屋頂提取與綠化評價為例，詳細講解深度學習在圖像處理中的應用。
郭明強，男，重慶人，信息工程系副教授，從事網絡地理信息系統和高性能空間計算的研究和教學工作。2007年獲中國地質大學（武漢）計算機科學與技術學士學位；2013年獲中國地質大學（武漢）地圖制圖學與地理信息工程博士學位。
圖像處理技術在安防、交通、醫學、自然資源、農業、環保、智能駕駛、工業、電子商務等領域都有著廣泛的應用，尤其在目前各種深度學習技術的推動下，基于圖像的應用不斷深入，應用領域越來越廣。在基于圖像訓練深度學習模型時，需要獲取高質量的樣本圖像，圖像的質量會直接影響模型的精度。因此，掌握樣本圖像的關鍵處理技術是構建高精度深度學習模型的前提和關鍵。本書首先簡要介紹圖像處理技術，以及深度學習在圖像領域中的應用；接著對深度學習在圖像處理中的應用技術進行詳細介紹，包括圖像陰影檢測、圖像陰影去除、圖像噪聲處理、圖像勻光和勻色等內容；然后對基于卷積神經網絡的圖像超分辨率重建方法進行講解；最后以基于深度學習的紅樹林提取和屋頂提取與綠化評價為例，詳細講解深度學習在圖像處理中的應用。本書旨在幫助讀者掌握圖像處理與深度學習中的關鍵技術和方法流程，為基于深度學習的各種圖像應用奠定基礎，提升讀者對深度學習模型的應用能力。
本書作者長期從事遙感圖像超分辨率重建、機器學習、網絡地理信息系統、三維建模、高性能空間計算等計算機和3S交叉學科方向的理論方法研究、教學與應用開發工作，已有十多年的科研經驗和應用開發基礎，為本書的編寫打下了扎實的知識基礎。本書涵蓋了圖像處理與深度學習中的常見算法和模型，按照深度學習樣本圖像處理的需求逐步進行講解，內容安排循序漸進，可以使讀者更容易掌握相關的知識點。同時，本書還對基于深度學習的圖像目標檢測與提取應用案例進行精講，以便讀者能夠更加深入地學習圖像領域中的深度學習技術。
本書面向計算機視覺、模式識別、圖像處理與深度學習等相關領域工作者，內容由淺入深、循序漸進，既有詳盡的算法原理闡述，又有豐富的結果圖形展示，可以使讀者更加容易、快速、全面地掌握常用的圖像處理算法。對于初學者來說，本書沒有任何門檻，初學者只需要按部就班地跟著本書學習即可。無論讀者是否有圖像處理的經驗，都可以借助本書來系統地了解和掌握深度學習中的樣本圖像處理技術知識點，為基于深度學習的圖像處理與行業應用奠定良好的基礎。
參與本書編寫工作的還有黃穎、韓成德、余仲陽、吳送良、楊亞侖、張之政、張雅婷。在本書的編寫和出版過程中，電子工業出版社的田宏峰編輯提出了寶貴的建議，在此表示感謝。本書的出版得到了國家自然科學基金（41971356、41701446）的支持，在此表示誠摯的謝意。由于時間倉促，部分文獻可能存在引用缺失的情況，在此向本書所涉及參考資料的作者表示衷心的感謝。感謝蓋濤提供的封面設計方案。
由于作者水平有限，書中難免存在不足之處，敬請廣大讀者和專家批評指正。
郭明強
2022年4月于武漢
新書資訊