书籍详情
水下光学图像增强与复原方法及应用
作者：范新南，史朋飞 著
出版社：科学出版社
出版时间：2021-11-01
ISBN：9787030702791
定价：¥99.00
购买这本书可以去
内容简介
《水下光学图像增强与复原方法及应用》主要介绍水下光学图像增强与复原算法原理，主要包括基于仿射阴影形成模型、粗糙集上下近似、仿鲎复眼机制、水下低分辨率图像退化模型、暗通道理论、改进水下光学成像模型、优化卷积神经网络、结构相似性的水下图像增强算法和基于暗通道理论、色彩迁移的半全局水下图像复原算法。结合丰富的实验结果与分析，分别阐述了不同理论模型下算法的适用条件与优势劣势，力图利用图像增强与复原技术解决江河湖海开发探测过程中的诸多难题，如水下目标检测与跟踪、构筑物缺陷分析、生物特征识别等。
作者简介
暂缺《水下光学图像增强与复原方法及应用》作者简介
目录
目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 2
1.2.1 基于暗通道理论的图像复原算法研究 6
1.2.2 基于偏振成像技术的图像复原算法研究 7
1.2.3 超分辨率重构算法的国内外研究 9
1.3 本书的主要内容 14
参考文献 16
第2章 基于仿射阴影形成模型的水下图像增强算法 23
2.1 引言 23
2.2 仿射阴影形成模型及其改进模型 23
2.3 基于改进仿射阴影形成模型的水下图像增强算法 25
2.3.1 光照问题区域的界定 26
2.3.2 算法的流程 27
2.4 实验结果与对比分析 27
2.4.1 水下人工纹理图像匀光处理实验 27
2.4.2 水下自然纹理图像匀光处理实验 29
2.4.3 分析与讨论 30
2.5 本章小结 31
参考文献 31
第3章 基于粗糙集上下近似的水下图像增强算法 32
3.1 引言 32
3.2 粗糙集知识表达模型构建 33
3.3 水下图像背景亮度近似划分 34
3.4 自适应分层的背景亮度均衡及前景纹理增强 37
3.5 实验结果与对比分析 39
3.5.1 增强实验 40
3.5.2 实验分析 47
3.6 本章小结 48
参考文献 48
第4章 基于仿鲎复眼机制的水下图像增强算法 50
4.1 引言 50
4.2 仿鲎复眼图像增强机制 50
4.2.1 生物视觉亮度均匀原理 50
4.2.2 鲎复眼仿生机制 51
4.3 仿鲎复眼机制的图像增强算法 54
4.3.1 亮度自适应均匀 54
4.3.2 自适应非对称窄条引导的侧抑制 55
4.4 实验结果与对比分析 59
4.5 本章小结 63
参考文献 63
第5章 基于水下低分辨率图像退化模型的图像增强算法 64
5.1 引言 64
5.2 水下低分辨率图像退化模型 65
5.2.1 低分辨率图像退化模型 65
5.2.2 水下光学成像的低分辨率图像退化模型构建 66
5.2.3 水下光学成像的低分辨率图像退化模型分析 72
5.3 基于改进水下低分辨率图像退化模型的图像增强算法 74
5.3.1 水下低分辨率图像退化模型关键参数估计 76
5.3.2 基于水下低分辨率图像退化模型的超分辨率重构 79
5.4 实验结果与对比分析 80
5.4.1 增强效果对比 81
5.4.2 模型适用性验证 83
5.5 本章小结 86
参考文献 87
第6章 基于暗通道的水下图像增强算法 88
6.1 引言 88
6.2 基于暗通道的水下图像去模糊 90
6.2.1 参数估计 90
6.2.2 图像去模糊 93
6.2.3 改进ACE的自适应对比度增强 94
6.3 单点白平衡的颜色校正 96
6.4 实验结果与对比分析 97
6.4.1 实验结果 97
6.4.2 算法性能分析 100
6.5 本章小结 103
参考文献 103
第7章 基于改进水下光学成像模型的图像增强算法 104
7.1 引言 104
7.2 水下光学成像模型 104
7.3 改进水下光学成像模型和场景入射光的估计 106
7.3.1 改进水下光学成像模型 106
7.3.2 场景入射光的估计 108
7.4 基于水下光学辐照特性的透射率估计 111
7.5 实验结果与对比分析 115
7.5.1 实验结果 115
7.5.2 算法性能分析 118
7.6 本章小结 120
参考文献 121
第8章 基于优化卷积神经网络的图像增强算法 122
8.1 引言 122
8.2 卷积神经网络原理 122
8.3 UIRNet网络结构分析 125
8.3.1 特征提取层 127
8.3.2 多尺度特征映射层 128
8.3.3 特征重标定层 129
8.3.4 非线性回归层 130
8.4 UIRNet的训练信息 131
8.5 实验结果与对比分析 132
8.5.1 实验结果 133
8.5.2 算法性能分析 137
8.6 本章小结 138
参考文献 139
第9章 基于结构相似性的水下偏振图像增强算法 140
9.1 引言 140
9.2 水下偏振成像 140
9.2.1 偏振成像原理 140
9.2.2 水下偏振成像模型 141
9.3 基于结构相似性的水体透射率估计 143
9.4 图像复原 147
9.5 实验结果与对比分析 148
9.5.1 实验结果 148
9.5.2 算法性能分析 149
9.6 本章小结 151
参考文献 151
第10章 基于暗通道理论的水下偏振图像复原算法 153
10.1 引言 153
10.2 偏振图像去模糊 153
10.2.1 透射率估计 153
10.2.2 目标偏振反射光恢复 155
10.3 目标反射光的偏振复原 157
10.3.1 光的偏振状态 157
10.3.2 偏振复原 159
10.4 自适应对比度增强与颜色校正 160
10.5 实验结果与对比分析 162
10.5.1 实验结果 162
10.5.2 算法性能分析 164
10.6 本章小结 165
参考文献 165
第11章 基于色彩迁移的半全局水下图像复原算法 167
11.1 引言 167
11.2 色彩迁移算法分析 168
11.2.1 色彩空间模型概述 168
11.2.2 色彩迁移算法 170
11.2.3 实验结果分析 170
11.3 水下色彩衰减水平估计模型 172
11.4 实验结果与对比分析 175
11.5 本章小结 181
参考文献 182
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 2
1.2.1 基于暗通道理论的图像复原算法研究 6
1.2.2 基于偏振成像技术的图像复原算法研究 7
1.2.3 超分辨率重构算法的国内外研究 9
1.3 本书的主要内容 14
参考文献 16
第2章 基于仿射阴影形成模型的水下图像增强算法 23
2.1 引言 23
2.2 仿射阴影形成模型及其改进模型 23
2.3 基于改进仿射阴影形成模型的水下图像增强算法 25
2.3.1 光照问题区域的界定 26
2.3.2 算法的流程 27
2.4 实验结果与对比分析 27
2.4.1 水下人工纹理图像匀光处理实验 27
2.4.2 水下自然纹理图像匀光处理实验 29
2.4.3 分析与讨论 30
2.5 本章小结 31
参考文献 31
第3章 基于粗糙集上下近似的水下图像增强算法 32
3.1 引言 32
3.2 粗糙集知识表达模型构建 33
3.3 水下图像背景亮度近似划分 34
3.4 自适应分层的背景亮度均衡及前景纹理增强 37
3.5 实验结果与对比分析 39
3.5.1 增强实验 40
3.5.2 实验分析 47
3.6 本章小结 48
参考文献 48
第4章 基于仿鲎复眼机制的水下图像增强算法 50
4.1 引言 50
4.2 仿鲎复眼图像增强机制 50
4.2.1 生物视觉亮度均匀原理 50
4.2.2 鲎复眼仿生机制 51
4.3 仿鲎复眼机制的图像增强算法 54
4.3.1 亮度自适应均匀 54
4.3.2 自适应非对称窄条引导的侧抑制 55
4.4 实验结果与对比分析 59
4.5 本章小结 63
参考文献 63
第5章 基于水下低分辨率图像退化模型的图像增强算法 64
5.1 引言 64
5.2 水下低分辨率图像退化模型 65
5.2.1 低分辨率图像退化模型 65
5.2.2 水下光学成像的低分辨率图像退化模型构建 66
5.2.3 水下光学成像的低分辨率图像退化模型分析 72
5.3 基于改进水下低分辨率图像退化模型的图像增强算法 74
5.3.1 水下低分辨率图像退化模型关键参数估计 76
5.3.2 基于水下低分辨率图像退化模型的超分辨率重构 79
5.4 实验结果与对比分析 80
5.4.1 增强效果对比 81
5.4.2 模型适用性验证 83
5.5 本章小结 86
参考文献 87
第6章 基于暗通道的水下图像增强算法 88
6.1 引言 88
6.2 基于暗通道的水下图像去模糊 90
6.2.1 参数估计 90
6.2.2 图像去模糊 93
6.2.3 改进ACE的自适应对比度增强 94
6.3 单点白平衡的颜色校正 96
6.4 实验结果与对比分析 97
6.4.1 实验结果 97
6.4.2 算法性能分析 100
6.5 本章小结 103
参考文献 103
第7章 基于改进水下光学成像模型的图像增强算法 104
7.1 引言 104
7.2 水下光学成像模型 104
7.3 改进水下光学成像模型和场景入射光的估计 106
7.3.1 改进水下光学成像模型 106
7.3.2 场景入射光的估计 108
7.4 基于水下光学辐照特性的透射率估计 111
7.5 实验结果与对比分析 115
7.5.1 实验结果 115
7.5.2 算法性能分析 118
7.6 本章小结 120
参考文献 121
第8章 基于优化卷积神经网络的图像增强算法 122
8.1 引言 122
8.2 卷积神经网络原理 122
8.3 UIRNet网络结构分析 125
8.3.1 特征提取层 127
8.3.2 多尺度特征映射层 128
8.3.3 特征重标定层 129
8.3.4 非线性回归层 130
8.4 UIRNet的训练信息 131
8.5 实验结果与对比分析 132
8.5.1 实验结果 133
8.5.2 算法性能分析 137
8.6 本章小结 138
参考文献 139
第9章 基于结构相似性的水下偏振图像增强算法 140
9.1 引言 140
9.2 水下偏振成像 140
9.2.1 偏振成像原理 140
9.2.2 水下偏振成像模型 141
9.3 基于结构相似性的水体透射率估计 143
9.4 图像复原 147
9.5 实验结果与对比分析 148
9.5.1 实验结果 148
9.5.2 算法性能分析 149
9.6 本章小结 151
参考文献 151
第10章 基于暗通道理论的水下偏振图像复原算法 153
10.1 引言 153
10.2 偏振图像去模糊 153
10.2.1 透射率估计 153
10.2.2 目标偏振反射光恢复 155
10.3 目标反射光的偏振复原 157
10.3.1 光的偏振状态 157
10.3.2 偏振复原 159
10.4 自适应对比度增强与颜色校正 160
10.5 实验结果与对比分析 162
10.5.1 实验结果 162
10.5.2 算法性能分析 164
10.6 本章小结 165
参考文献 165
第11章 基于色彩迁移的半全局水下图像复原算法 167
11.1 引言 167
11.2 色彩迁移算法分析 168
11.2.1 色彩空间模型概述 168
11.2.2 色彩迁移算法 170
11.2.3 实验结果分析 170
11.3 水下色彩衰减水平估计模型 172
11.4 实验结果与对比分析 175
11.5 本章小结 181
参考文献 182
猜您喜欢
