本書主要介紹函數逼近理論與小波框架理論方法。全書共6章。第1章介紹求解lp（0≤p≤1）優化模型的幾個基本核心概念，限制等距性質（RIP）、零空間性質（NSP）以及矩陣相互相干性（MC）條件等，也介紹作者們解決的關于RIP最優上界的一個猜想；第2章通過給出構造確定性測量矩陣的方法，介紹作者們解決的lo優化模型及其求解算法中的兩個公開問題；第3章介紹冗余字典下的壓縮感知理論；第4章介紹壓縮采樣下的信號分離理論與重構算法，其中包括作者們解決的一個公開問題；第5章介紹One-bit壓縮感知的幾個重要理
本書是作者在積累多年科研成果的基礎上撰寫而成的，詳細介紹風格遷移領域中的一些算法設計和模型，涉及鉛筆畫風格實現、圖像上色、云南重彩畫的數字模擬和合成以及云南重彩畫風格化繪制等技術。本書包含4種不同的風格遷移算法，模型構建思路和實現步驟詳細透徹。本書立足于圖像風格遷移這一大的研究領域，結合作者多年的科研工作經驗，本書面向對風格遷移這一研究方向感興趣的讀者，會起到很好的參考作用，幫助讀者了解相關風格的遷移算法和設計思路。
本書介紹了深度學習在圖像目標檢測與識別領域的應用，主要包括基于UNet的圖像去霧算法、基于特征融合GAN的圖像增強算法、基于ESRGAN的圖像超分辨率重建算法、基于嵌套UNet的圖像分割算法、基于對抗遷移學習的水下大壩裂縫圖像分割算法、基于改進Faster-RCNN的海洋生物檢測算法、基于YOLOv4的目標檢測算法、基于RetinaNet的密集目標檢測算法、基于LSTM網絡的視頻圖像目標實時檢測算法、基于改進YOLOv4的嵌入式變電站儀表檢測算法等。
本書首先系統介紹了通信原理的基礎知識，然后通過開源編程語言Python進行了全面完整的仿真分析。書中提供了大量極具參考價值的仿真實例，不僅通過可視化的仿真圖形幫助讀者深入理解理論知識，還允許修改源碼，自己方便進行個性化開發。從而加快科研進度。全書共分11章。第1章主要介紹了Python的基本使用及相關庫；第2章介紹了信息和信道的相關內容；第3-5章主要介紹了信號的類型和表示。以及信號的分析方法；第6-10章介紹了各種信號的調制、解調及傳輸方法；第11章介紹了能夠提高傳輸可靠性的信道編碼
圖像先驗的數學建模是最經典的圖像先驗的利用方法。它不僅反映了人們想了解事物背后原理的渴望，也是諸多對可靠性與穩健性有高要求的實際應用的需求。本書展示了幾種典型圖像處理與分析場景下的先驗建模方法，既涉及無監督學習框架，也涉及有監督學習框架，相信能夠對領域的發展有一定的助力，同時也能給讀者帶來新的啟發。 本書適合數學類、計算機類專業高年級本科生和研究生閱讀，也適合具備相關數學、編程基礎的研究、開發人員閱讀，亦可為數字人文領域的學者提供一定的參考和借鑒。
本書主要介紹了圖像畫質相關的各類底層視覺任務及其相關算法，重點講解了去噪、超分辨率、去霧、高動態范圍、圖像合成與圖像和諧化、圖像增強與圖像修飾等多種類型的基礎任務的設定及其對應的經典算法和模型。本書討論了底層視覺任務的基本特征，并從成像過程及圖像處理的基礎知識出發，系統分析了不同任務下的退化機制，以及對應的算法設計原則。本書在算法選擇上兼顧了經典的傳統圖像算法及當前較新的人工智能模型算法，可以作為從圖像處理領域或者深度學習領域進入底層計算機視覺領域進行學習的讀者的基礎讀物。本書主要面向的讀者群體
本書在2019年出版的《數字圖像處理及MATLAB實現（第3版）》基礎上，結合當今機器學習算法的最新發展，修改、補充和完善而成。書中主要介紹了數字圖像處理的基礎知識、基本方法、程序實現和典型實踐應用。全書分為三個部分，共12章。第一部分（第1～4章）介紹數字圖像處理的基礎知識；第二部分（第5～8章）介紹數字圖像處理的各種技術；第三部分（第9～12章）介紹數字圖像處理的擴展內容，包括基于深度學習的圖像處理技術和工程應用案例等。每章分別介紹問題的背景、基本內容和方法、實踐應用（通過MATLAB軟件編
本書系統討論了近年來圖像處理方法的新進展，主要內容包括：圖像的變分多尺度分析：ROF模型和TV-L1模型、TV的幾個新進展：TV-L1的多尺度分割、梯度差的正則化方法、全局稀疏梯度等；基于迭代正則化和逆尺度空間的多尺度分析：小波、曲波等X-Let及其對應的分解空間，以及利用這些分解空間的等價范數建立的各種圖像逆尺度空間的推廣；稀疏與低秩表示的基本理論以及基于稀疏與低秩表示的圖像處理建模；基于字典學習和稀疏表示的圖像建模，包括光滑字典、多尺度字典與l1松弛等；基于非局部正則化的圖像建模，包括非局部
本書在對圖像降噪方法的研究現狀和經典的圖像降噪方法進行回顧總結的基礎上，分別針對灰度和彩色圖像中不同類型噪聲的特點，主要結合脈沖耦合神經網絡模型、數學形態學理論、非線性濾波理論、方差穩定變換、模糊集理論等方法，介紹了相應的降噪方法的算法原理及結果。同時還對基于嵌入式系統軟硬件平臺的圖像降噪方法相關實現進行描述，包括實現過程中遇到的問題及采取的解決方案，希望能為廣大讀者構建完整的圖像處理硬件系統提供范例。
本書主要內容包括語義圖像分割相關理論和具體事項，在介紹語義圖像分割目的和相關技術及傳統分割算法的基礎上，講述了從神經網絡到深度學習的發展過程，重點介紹了全卷積網絡，通過采用卷積神經網絡實現了從圖像像素到像素類別的變換；從而進一步介紹了基于全卷積網絡改進的Unet網絡，以及兩種基于全卷積網絡的 SegNet網絡：正常版與貝葉斯版。另外，本書還介紹了圖像分割算法DeepLab v1、v2、v3和v3+以及圖卷積神經網絡，以及為實現性能與實時雙提高的輕量實時語義分割Enet網絡、殘差編碼器-解碼器網絡
新書資訊 新書推薦