超小波分析及應用

內(nèi)容概要

本書以概要形式講述超小波分析的基本理論，并緊密結合實踐應用研究。第1章介紹本門課程的學習方法，介紹如何開展課程學習方法、新技術學習對策和工程訓練推薦方式。第2章概要介紹應用小波分析和應用時必須掌握的小波分析內(nèi)容，即多尺度分析和Mallat算法。超小波是基于小波分析基礎之上新的多尺度分析，不了解小波分析直接去學習，顯然不合適。本章主要向讀者介紹必須掌握的小波分析內(nèi)容。第3章由小波變換引入到脊波和曲波分析，介紹其方向性的優(yōu)點，并結合其特點，進行初步的應用研究。第4章介紹3D—DFB和Surfacelet變換。第5章介紹方向波與楔波變換。第6章介紹高光譜壓縮。第7章介紹Bandelet變換和應用。第8章介紹小線變換。第9章介紹Contourlet變換及其應用。第10章介紹脈沖耦合神經(jīng)網(wǎng)絡（PCNN）與小波變換。 本書以精縮的理論知識、實踐教學和工程訓練相結合，可以作為計算機應用、通信工程和電子工程專業(yè)碩士和博士研究生、工程碩士、教師及工程技術人員學習數(shù)字圖像處理、圖像分析和基本圖形學技術研究型教材、參考書和實驗教學指導書。具有較強計算機編程能力和扎實理論的高年級本科生，可以選取其中適合部分內(nèi)容作為工程訓練的基本教材。

書籍目錄

第1章 超小波分析的學習方法  1.1 超小波分析學習的對策  1.2 新知識和技術進展學習攻守策略  1.3 工程訓練或研究課題推薦學習方式第2章 多分辨分析和塔式算法  2.1 多分辨分析  2.2 Mallat算法  2.3 小波包變換的Mallat算法    2.3.1 小波包分解的Mallat算法    2.3.2 小波包合成的Mallat算法  2.4 金字塔算法    2.4.1 信號的分解過程      2.4.2 空間的分解過程      2.4.3 系數(shù)的分解過程      2.4.4 信號的重建過程      2.4.5 空間的重建過程      2.4.6 系數(shù)的重建過程    2.5 小波包完全分解的空間塔式結構  2.6 二維小波變換的Mallat算法    2.6.1 二維多分辨分析    2.6.2 二維小波變換及小波包變換的Mallat算法  第3章 脊波和曲波變換  3.1 Ridgelet變換的定義    3.1.1 一維Ridgelet變換    3.1.2 二維Ridgelet變換  3.2 正交Ridgelet變換  3.3 單尺度和多尺度Ridgelet    3.3.1 單尺度Ridgelet變換    3.3.2 多尺度Ridgelet變換  3.4 Ridgelet：變換的應用    3.4.1 基于Ridgelet變換的圖像去噪    3.4.2 基于Riclgelet變換的圖像壓縮    3.4.3 Ridgelet變換的其他應用  3.5 Curvelet變換    3.5.1 Curvelet變換的提出    3.5.2 Curvelet變換的研究進展及現(xiàn)狀    3.5.3 第一代Curvelet變換      3.5.4 實現(xiàn)過程  3.6 第二代Curvelet變換    3.6.1 連續(xù)Curvelet變換    3.6.2 離散Curvelet變換    3.6.3 實現(xiàn)方法  3.7 Curvelel：系數(shù)分析    3.7.1 結構分析    3.7.2 統(tǒng)計分析    3.7.3 特征分析  3.8 Curvelet變換的應用    3.8.1 基于Curvelet變換的圖像去噪    3.8.2 基于Curvelet變換的圖像增強第4章 3D—DFB和Surfacelet變換  4.1 DFB的起源  4.2 預備知識  4.3 3D-DFB    4.3.1 核心思想    4.3.2 第一層沙漏濾波器組    4.3.3 其他層的分解  4.4 Surfacelet變換    4.4.1 Surfacelet變換的結構    4.4.2 Surfacelet變換的性質(zhì)    4.4.3 Surfacelet變換系數(shù)分析  4.5 程序測試結果    4.5.1 三維圖形分解    4.5.2 視頻處理    4.5.3 系數(shù)矩陣分析第5章 方向波與楔波變換  5.1 方向波  5.2 各向異性二維小波分解  5.3 基于格子的歪斜小波變換  5.4 非線性逼近和壓縮  5.5 Wedgelet變換  5.6 多分辨率Wedgelet變換  5.7 Wedgelet變換應用    5.7.1 Wedgelet非線性逼近    5.7.2 去噪    附錄5.1 原始和變換域里的MSE的關系    附錄5.2 定理5.1的證明第6章 基于小波變換的高光譜圖像壓縮新方法  6.1 三維光譜壓縮的必要性  6.2 KLT基本理論    6.2.1 KLT的統(tǒng)計特征分析    6.2.2 高光譜圖像的譜特性分析    6.2.3 KLT方法在消除譜相關性的應用    6.2.4 實驗結果和討論  6.3 對塊零樹編碼壓縮方法對超光譜數(shù)據(jù)壓縮  6.4 基于KLT/WT和譜特征矢量量化三維譜像數(shù)據(jù)壓縮    6.4.1 譜特征分類矢量量化（SFCVQ）壓縮編碼    6.4.2 SFCVQ壓縮編碼的實驗結果與討論    6.4.3 基于PKLT和IWT的多光譜圖像壓縮系統(tǒng)    6.4.4 自適應分譜段的改進式KL變換/整數(shù)小波變換/SPIHT壓縮    6.4.5 三維整數(shù)小波變換/三維SPIHT壓縮  6.5 實驗結果和結論第7章  Bandelet變換及其應用  7.1 Bandelet變換的基本概念和算法  7.2 幾何正則圖像和幾何流  7.3 在特定區(qū)域內(nèi)選擇最佳幾何流  7.4 圖像的四叉樹分割  7.5 Bandelet變換算法流程  7.6 快速離散Bandelet轉換    7.6.1 沿著幾何流的重采樣    7.6.2 離散彎曲小波和小波包轉換    7.6.3 Bandelet化  7.7 圖像的稀疏表示    7.7.1 非線性圖像小波逼近    7.7.2 幾何圖像表示  7.8 沿幾何流的Bandelets    7.8.1 Bandelet塊函數(shù)    7.8.2 最優(yōu)化幾何逼近    7.9 快速幾何最優(yōu)化    7.9.1 圖像壓縮    7.9.2 噪聲消除    7.9.3  一種基于Bandelet變換的圖像編碼方法  7.10 基于Bandelet變換的圖像融合    結論第8章  Beamlet及其應用  8.1 基本理論    8.1.1 建立小線庫目標數(shù)據(jù)庫    8.1.2 小線變換    8.1.3 建立小線金字塔      8.1.4 建立小線圖    8.1.5 小線算法  8.2 Beamlet應用    8.2.1 小線檢測    8.2.2 JBeam：Beamlet用于多尺度曲線編碼第9章  Contourlet變換及其應用  9.1 Contourlet的原理    9.1.1 拉普拉斯金字塔      9.1.2 方向濾波器（DFB）    9.1.3 多尺度、多方向分解：塔型方向濾波器組  9.2 Contourlet的應用    9.2.1  基于Contourlet變換的圖像去噪    9.2.2 基于Contourlet變換的圖像融合  9.3 基于Comtotlrlet變換的圖像增強    9.3.1 構建NSCT    9.3.2 NSCT圖形增強算法    9.3.3 實驗結果第10章  脈沖耦合神經(jīng)網(wǎng)絡與小波變換  10.1 脈沖耦合神經(jīng)網(wǎng)絡的基本原理  10.2 脈沖耦合神經(jīng)網(wǎng)絡的特點  10.3 脈沖耦合神經(jīng)網(wǎng)絡的應用及其分類    10.3.1 圖像中的脈沖耦合神經(jīng)網(wǎng)絡設計    10.3.2 基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割  10.4 脈沖耦合神經(jīng)網(wǎng)絡與小波變換比較  10.5 脈沖耦合神經(jīng)網(wǎng)絡PCNN與小波變換應用    10.5.1 小波多尺度脈沖耦合神經(jīng)網(wǎng)絡的基本原理    10.5.2 基于脈沖耦合神經(jīng)網(wǎng)絡的高頻融合算法實現(xiàn)    10.5.3 改進的脈沖耦合神經(jīng)網(wǎng)絡高頻圖像融合方法    10.5.4 基于脈沖耦合神經(jīng)網(wǎng)絡低頻圖像融合方法    10.5.5 綜合高頻改進PCNN與低頻PCNN的融合方法    10.5.6 基于區(qū)域點火特性的多聚焦圖像融合    10.5.7 基于方向性信息激發(fā)的脈沖耦合神經(jīng)網(wǎng)絡融合方法

章節(jié)摘錄

　　第1章　超小波分析的學習方法　　如何進行超小波分析的學習？在學習生活中，對這一問題的重要性、迫切性和影響還沒有得到讀者的足夠認識。這是一個自然辯證法或自然科學中的方法論的問題，也是每個老師必須面對和掌握的理論。無論做什么事情，都有技巧和方法。好的技巧和方法會幫助你取得事半功倍的效果。對于學生來說，不了解這一問題是很正常的。因為學生不可能像老師那樣了解各門課程的學科體系結構，也不清楚各種知識之間的相互關系?！　『芏嗳硕伎催^金庸的武俠小說，對其中刻畫的人物形象記憶深刻，這正是文學藝術作品的真正魅力所在。但我提一個問題，請說出各小說中的人物關系和武功流派？相信不是金庸武俠小說的研究人員，很少有人能夠說明白。而計算機學科的發(fā)展正是建立在通信技術、電子技術、網(wǎng)絡技術和信息處理技術的基礎之上，各學科和課程之間的關系遠遠超過金庸作品中的人物關系和武功流派。而各學科或功課所需要紛繁的數(shù)學知識則更為復雜。教學過程中需要在引導學生去了解和掌握這些關系，建立系統(tǒng)的知識結構體系。學生在學習過程中，要知道哪些內(nèi)容重要，了解重點或感興趣的內(nèi)容是什么，如何去學，怎樣應用，想學到什么技術和特長等。如果學生清楚了這些問題，在學習和研究生活中，會更有針對性，讓學習生活更充實。既學到了扎實的理論知識，又學會了研究方法和技術應用。特別是對那些研究生同學，面臨研究和寫學術論文的迫切需要時，學習一種新的技術和方法，將會有助于學業(yè)的順利完成?！　∠旅嬗靡粋€例子說明這一問題。在我教過的學生中，有一名同學的數(shù)學基礎很好，也有較高的理想報負。但上了大學后，因為目前高等教育中的問題，教學還主要停留在書本理論知識教學上。他不是很感興趣，又不知道做什么，失去了學習的原動力。在從網(wǎng)上看到我招募科研助手的帖子后，直接來到我的研究小組。經(jīng)過幾個月的訓練，他感覺提高很多，并覺得從研究中掌握的深入理論指導會對理解原來教材中的問題有幫助，還有助于知識系統(tǒng)性的形成。在他所研究的專題中，可以在QQ群上與博士研究生進行交流。要知道這只是一個大學四年級的學生。學習必須講方法和策略，需要老師的引導和學生自己的獨立領悟相結合。老師的引導即所謂的“師傅領進門”，獨立領悟指的是學生的悟性，是在長期訓練和經(jīng)驗積累的過程中慢慢形成的。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    超小波分析及應用 PDF格式下載

---