拓?fù)浼y理圖像預(yù)處理技術(shù)與應(yīng)用

內(nèi)容概要

　　本書從拓?fù)浼y理圖像的目標(biāo)特性出發(fā)，針對拓?fù)浼y理圖像包含很多拓?fù)湫螤顝?fù)雜的曲線邊緣等特點(diǎn)，采用Allen-Cahn模型、馬爾科夫模型、相位場模型、變分Mumford-Shah模型和光流場模型等數(shù)學(xué)工具，系統(tǒng)闡述了拓?fù)浼y理圖像的紋理曲線外觀建模，含噪拓?fù)浼y理圖像保邊去噪，保色彩復(fù)原，精確分割，精細(xì)修補(bǔ)和精準(zhǔn)配準(zhǔn)中的理論、方法和相應(yīng)的應(yīng)用實(shí)施算法，涵蓋了拓?fù)浼y理圖像預(yù)處理和應(yīng)用領(lǐng)域所涉及的核心內(nèi)容。

書籍目錄

第1章 緒論
　1.1 拓?fù)浼y理圖像的定義
　1.2 拓?fù)浼y理圖像預(yù)處理的研究內(nèi)容
　1.3 拓?fù)浼y理圖像預(yù)處理的研究現(xiàn)狀
　1.3.1 保細(xì)節(jié)圖像去噪研究現(xiàn)狀
　1.3.2 保色彩圖像恢復(fù)研究現(xiàn)狀
　1.3.3 精確圖像分割研究現(xiàn)狀
　1.3.4 精細(xì)圖像修補(bǔ)研究現(xiàn)狀
　1.3.5 精準(zhǔn)圖像配準(zhǔn)研究現(xiàn)狀
　1.4 目前存在的主要問題
　1.5 研究內(nèi)容和本書結(jié)構(gòu)
　參考文獻(xiàn)
第2章 基于Allen-Cahn模型的拓?fù)浼y理圖像去噪研究
　2.1 圖像去噪理論
　2.2 拓?fù)浼y理圖像的去噪方法
　2.2.1 拓?fù)浼y理去噪的基本思路
　2.2.2 Allen-Cahn非線性拋物方程
　2.3 基于Allen-Cahn方程的去噪模型
　2.3.1 面積保留的MCM模型
　2.3.2 非局部形式Allen-Cahn方程的水平集表示
　2.3.3 邊界演化的行為控制
　2.4 Allen-Cahn去噪模型的水平集求解
　2.4.1 快速行進(jìn)算法
　2.4.2 Hermes算法
　2.4.3 快速水平集演化算法
　2.5 提花織物紋理圖像的去噪應(yīng)用
　2.6 小結(jié)
　參考文獻(xiàn)
第3章 基于馬爾可夫隨機(jī)場模型的拓?fù)浼y理圖像
　色彩復(fù)原研究
　3.1 彩色圖像復(fù)原理論
　3.1.1 彩色圖像增強(qiáng)技術(shù)
　3.1.2 彩色圖像恢復(fù)技術(shù)
　3.2 拓?fù)浼y理圖像的彩色復(fù)原方法
　3.2.1 拓?fù)浼y理圖像彩色復(fù)原的基本思路
　3.2.2 馬爾可夫隨機(jī)場圖像模型
　3.3 基于MRF的彩色拓?fù)浼y理圖像復(fù)原模型
　3.3.1 彩色圖像的先驗(yàn)概率分布模型
　3.3.2 單色彩通道先驗(yàn)高斯概率分布
　3.3.3 多色彩通道之間的相關(guān)性
　3.4 基于線過程的確定性模擬退火算法
　3.4.1 模擬退火算法
　3.4.2 確定性模擬退火算法
　3.5 實(shí)驗(yàn)結(jié)果與比較
　3.6 提花織物紋理圖像的彩色復(fù)原應(yīng)用
　3.7 小結(jié)
　參考文獻(xiàn)
第4章 基于Mumford-Shah模型的拓?fù)浼y理圖像分割研究
　4.1 圖像分割的變分理論
　4.2 變分分割模型
　4.3 拓?fù)浼y理圖像的Mumford-Shah分割的基本思路
　4.4 Chan-Vese的簡化Mumford-Shah模型
　4.5 Mumford-Shah泛函分割模型
　4.5.1 有界變分函數(shù)空間
　4.5.2 MS泛函的離散化和Γ-收斂
　4.6 泛函序列收斂的數(shù)值算法
　4.6.1 擬牛頓最小化算法
　4.6.2 網(wǎng)格自適應(yīng)調(diào)整算法
　4.7 實(shí)驗(yàn)結(jié)果與比較
　4.8 提花織物紋理圖像的Mumford-Shah分割應(yīng)用
　4.9 小結(jié)
　參考文獻(xiàn)
第5章 基于相位場模型的拓?fù)浼y理圖像分割研究
　5.1 相位場模型理論
　5.2 相位場模型
　5.2.1 經(jīng)典相位場模型
　5.2.2 相位場模型的改進(jìn)
　5.3 相位場分割模型
　5.4 相位場分割模型的求解算法
　5.4.1 有限元離散表示
　5.4.2 網(wǎng)格自適應(yīng)調(diào)整
　5.5 實(shí)驗(yàn)結(jié)果與比較
　5.6 提花織物紋理圖像的相位場分割應(yīng)用
　5.7 小結(jié)
　參考文獻(xiàn)
第6章 基于Mumford-Shah模型的拓?fù)浼y理圖像修補(bǔ)研究
　6.1 圖像修補(bǔ)理論
　6.2 基于擴(kuò)散的圖像修補(bǔ)模型
　6.3 基于總變分的圖像修補(bǔ)模型
　6.4 Mumford-Shah模型修補(bǔ)原理
　6.4.1 拓?fù)鋸澢燃s束
　6.4.2 邊緣項(xiàng)的離散正則收斂序列元
　6.4.3 離散正則收斂序列元的差分表示
　6.5 Mumford-Shah模型修補(bǔ)算法
　6.6 提花織物紋理圖像的修補(bǔ)應(yīng)用
　6.7 小結(jié)
　參考文獻(xiàn)
第7章 基于光流場模型的拓?fù)浼y理圖像配準(zhǔn)研究
　7.1 圖像配準(zhǔn)理論
　7.1.1 圖像配準(zhǔn)的變換方法
　7.1.2 非剛性配準(zhǔn)
　7.1.3 基于空間變換的非剛性配準(zhǔn)方法
　7.1.4 基于物理模型的非剛性配準(zhǔn)方法
　7.2 光流場模型
　7.2.1 光流的概念及應(yīng)用
　7.2.2 光流計(jì)算方法
　7.3 拓?fù)浼y理圖像的配準(zhǔn)方法
　7.3.1 拓?fù)浼y理配準(zhǔn)的基本思路
　7.3.2 拓?fù)浼y理的光流場配準(zhǔn)模型
　7.4 基于單元分解的光流場配準(zhǔn)模型
　7.5 單元分解的光流場圖像配準(zhǔn)算法
　7.6 噴墨印花紋理圖像的配準(zhǔn)應(yīng)用
　7.7 小結(jié)
　參考文獻(xiàn)
第8章 總結(jié)與展望

章節(jié)摘錄

　　也會對圖像的特征造成破壞，致使圖像失真，為了抑制圖像中的噪聲，更好地復(fù)原因噪聲污染引起的圖像質(zhì)量退化，有必要尋找更好的去噪方法，保證在去除噪聲的同時(shí)，還能保持邊緣和紋理等一些細(xì)節(jié)信息。　　在圖像處理的發(fā)展過程中，用偏微分方程的方法進(jìn)行圖像去噪已經(jīng)成為一個(gè)比較受人關(guān)注的研究熱點(diǎn)。自20世紀(jì)90年代以來，使用偏微分方程進(jìn)行圖像處理的方法獲得了較大的發(fā)展，逐步成為一門十分具有吸引力的研究課題。偏微分方程從分析圖像和噪聲的數(shù)學(xué)模型入手，結(jié)合了數(shù)學(xué)理論及多種數(shù)學(xué)工具，建立了去噪和偏微分方程相聯(lián)系的理論?！　「爬ǖ卣f，采用偏微分方程方法進(jìn)行圖像處理具有以下優(yōu)勢：　?、倨⒎址匠探o出了分析圖像的連續(xù)模型，離散的濾波表現(xiàn)為連續(xù)的微分算子，因而使得網(wǎng)格的劃分、局部非線性濾波易于實(shí)現(xiàn)；　?、谧兎制⒎址匠炭梢灾苯犹幚韴D像中視覺上重要的幾何特征，如梯度、切線、曲率、水平集等；　?、嘧兎制⒎址匠炭梢杂行У啬M具有視覺意義的動態(tài)過程，如各項(xiàng)同性擴(kuò)散、各項(xiàng)異性擴(kuò)散以及信息的傳輸機(jī)制：　?、墚?dāng)圖像表示為連續(xù)信號時(shí)，偏微分方程可視為在無窮小鄰域中的局部濾波器的迭代，這種特性允許將已有的濾波方法進(jìn)行合成和分類，并可能形成新的濾波方法：　?、莼谄⒎址匠痰膱D像去噪方法可以實(shí)現(xiàn)圖像的非線性去噪，在去除圖像噪聲的同時(shí)保留圖像的邊緣等信息；　?、藿柚⒎址匠痰臄?shù)值分析理論，算法高速、準(zhǔn)確且穩(wěn)定，黏性解理論提供了嚴(yán)格應(yīng)用偏微分算子的理論基礎(chǔ)?！　　?/pre>








圖書封面



圖書標(biāo)簽Tags
無




評論、評分、閱讀與下載



還沒讀過(90)
勉強(qiáng)可看(654)
一般般(111)
內(nèi)容豐富(4626)
強(qiáng)力推薦(379)


 


    拓?fù)浼y理圖像預(yù)處理技術(shù)與應(yīng)用 PDF格式下載