本書結合小波變換和深度學習這兩種先進的技術手段，系統地設計多種小波域上的依賴關系，對小波變換域聯合建模進行深入的研究，從而顯著地提高小波對圖像特征的表示能力，并推動小波分析在理論和應用方面的發展。本書首先介紹小波變換的基本原理和相關的數學知識，以及小波變換在圖像處理中的應用；其次詳細地講解深度學習相關的理論知識和常用的圖像處理方法；然后詳細地介紹深度神經網絡的基礎理論和網絡組件，以案例形式介紹PyTorch深度學習框架；最后，詳細地介紹深度神經網絡常用網絡組件和模型，重點介紹和分析ResNet模型、Transformer模型，以及現在主流的深度神經網絡模型。
(1) 2010-09 至 2013-06, 電子科技大學, 信息與通信工程, 博士
(2) 2004-09 至 2007-06, 西華師范大學, 計算機應用技術, 碩士
(3) 1996-09 至 1999-06, 成都理工學院, 材料科學工程系, 大專(1) 2022-01 至 今, 宜賓學院, 人工智能與大數據學部, 教授
(2) 2015-01 至 2021-12, 宜賓學院, 計算機與信息工程學院, 副教授
(3) 2014-01 至 2015-11, 宜賓學院, 計算機與信息工程學院, 講師
(4) 2007-06 至 2013-12, 宜賓職業技術學院, 信息工程系, 講師
(5) 1999-07 至 2004-08, 四川省宜賓市國營七九九廠, 一零二分廠, 技術員機器視覺、人工智能1) Chaorong li, yuanyuan Huang, Yu xue, Dependence structure of Gabor wavelets for face recognition, Expert Systems With Applications, 2019, 一區，8.3
目錄
前言
第1章 圖像特征表示概述 1
1.1 圖像特征表示方法 1
1.2 圖像表示面臨的一些問題 7
1.3 圖像表示的應用 8參考文獻 10
第2章 小波變換理論 15
2.1 傳統小波變換 15
2.2 復數小波變換 22
2.3 方向小波變換 27
2.4 小波散射變換與散射網絡 30
2.5 本章小結 31參考文獻 31
第3章 Copula理論及其參數估計 34
3.1 Copula理論 34
3.2 Copula參數估計 39
3.3 協方差模型 45
3.4 正態分布（高斯分布） 46
3.5 本章小結 47
參考文獻 47
第4章 小波域 Copula多維模型紋理檢索 48
4.1 概述 48
4.2 小波域依賴關系 49
4.3 小波域 Copula多維模型 51
4.4 紋理圖像檢索與實驗結果分析 58
4.5 本章小結 60
參考文獻 61
第5章 基于小波變換的旋轉不變圖像識別 64
5.1 概述 64
5.2 CSGW 65
5.3 GW/CSGW域旋轉不變 Copula模型 66
5.4 實驗與分析 72
5.5 本章小結 77
參考文獻 79
第6章 多種小波域統計模型及其深度特征融合 82
6.1 概述 82
6.2 背景和動機 84
6.3 MDCM 85
6.4 小波域 MDCM圖像表示 87
6.5 多種小波域 MDCM及其深度特征融合 91
6.6 實驗與分析 91
6.7 本章小結 100
參考文獻 100
第7章 Gabor小波特征學習人臉識別 105
7.1 概述 105
7.2 相關工作 107
7.3 LCMoG-CNN人臉特征提取 108
7.4 LGMoG-LWPZ人臉特征提取 110
7.5 實驗與分析 112
7.6 綜合分析 118
7.7 本章小結 121
參考文獻 122
第8章 Gabor變換域高斯嵌入與深度網絡融合人臉識別 126
8.1 概述 126
8.2 相關工作 128
8.3 Gabor小波 130
8.4 線性空間中的高斯嵌入和向量化 131
8.5 LGLG人臉識別 134
8.6 實驗與分析 139
8.7 本章小結 149
參考文獻 149
第9章 深度神經網絡基礎 156
9.1 神經網絡基礎 156
9.2 全連接神經網絡 158
9.3 卷積神經網絡 169
9.4 本章小結 184
參考文獻 184
第10章 PyTorch深度學習框架 185
10.1 PyTorch安裝 185
10.2 PyTorch基礎 186
10.3廣播機制 191
10.4 PyTorch求導功能 192
10.5神經網絡設計 194
10.6 圖像分類案例 199
10.7 PyTorch-Lightning 212
10.8 本章小結 218
第11章 常見深度神經網絡模型 219
11.1 ResNet模型與關鍵代碼分析 219
11.2編碼-解碼模型 222
11.3 Transformer模型 226
11.4視覺Transformer（ViT）與關鍵代碼分析 237
11.5 RNN模型原理與實現 242
11.6 GAN模型原理與實現 250
11.7本章小結 255
參考文獻 256
新書資訊