书籍详情
图像非聚焦模糊智能处理及应用
作者：赵文达
出版社：电子工业出版社
出版时间：2024-07-01
ISBN：9787121483363
定价：¥89.00
购买这本书可以去
内容简介
模糊作为常见的图像退化方式之一，如何感知模糊、处理模糊注定是一个十分重要的课题，图像非聚焦模糊处理技术应运而生。深度学习技术的发展使图像非聚焦模糊处理性能愈发强大，在各类应用场合中逐渐发挥重要作用。本书总结了作者及团队多年来图像非聚焦模糊处理技术的研究成果，比较了该领域的最新进展情况，列举了图像非聚焦模糊智能处理方案与其应用，具有实践指导意义，有助于为读者树立对非聚焦模糊智能处理的全面认识，进一步理论研究和实际应用的基础。
作者简介
赵文达，副教授，博士生导师。研究方向包括多模态图像分析，如图像融合、目标检测、识别等。在包括 CVPR，ECCV，AAAI 等本领域顶级会议，以及 IEEE TPAMI，IEEE TIP，IEEE TNNLS，IEEE TMM， IEEE TGRS，IEEE TCSVT 等本领域顶级期刊上发表学术论文40余篇。获得 IEEE MMTC 2020 Best Conference Paper Award，山东省科技进步一等奖。目前担任中国人工智能学会智能融合专业委员会副秘书长，中国指挥与控制学会青年工作委员会委员，中国指挥与控制学会多域态势感知与认知专委会委员。
目录
目 录
第1章 绪论 1
1.1 图像非聚焦模糊处理的目的和意义 1
1.2 图像非聚焦模糊处理中的相关基本概念 2
1.2.1 非聚焦模糊图像的定义及类别 2
1.2.2 图像非聚焦模糊智能处理中的深度学习技术 2
1.2.3 图像非聚焦模糊智能处理 4
1.3 图像非聚焦模糊处理的设计要求和评估指标 4
1.3.1 图像非聚焦模糊处理的设计要求 4
1.3.2 图像非聚焦模糊处理的评估指标 5
1.4 图像非聚焦模糊处理技术的研究历史及现状 7
1.4.1 非聚焦模糊检测 7
1.4.2 非聚焦模糊图像去模糊 8
1.5 本书的研究范围和概览 9
参考文献 11
第2章 多尺度特征学习的图像非聚焦模糊检测 14
2.1 引言 14
2.2 级联映射残差学习网络 15
2.2.1 方法背景 15
2.2.2 级联映射残差学习模型 16
2.2.3 模型训练 22
2.2.4 实验 23
2.3 图像尺度对称协作网络 30
2.3.1 方法背景 30
2.3.2 图像尺度对称协作模型 32
2.3.3 模型训练 36
2.3.4 实验 36
2.4 小结 42
参考文献 42
第3章 深度集成学习的图像非聚焦模糊检测 46
3.1 引言 46
3.2 深度交叉集成网络 46
3.2.1 方法背景 46
3.2.2 深度交叉集成网络模型 48
3.2.3 模型训练 52
3.2.4 实验 52
3.3 自适应集成网络 56
3.3.1 方法背景 56
3.3.2 自适应集成网络模型 58
3.3.3 模型训练 63
3.3.4 实验 64
3.4 小结 69
参考文献 70
第4章 强鲁棒图像的非聚焦模糊检测 74
4.1 引言 74
4.2 多层级蒸馏学习的全场景非聚焦模糊检测 74
4.2.1 方法背景 74
4.2.2 多层级蒸馏学习的全场景非聚焦模糊检测模型 77
4.2.3 模型训练 82
4.2.4 实验 83
4.3 基于MRFT的非聚焦模糊检测攻击 89
4.3.1 方法背景 89
4.3.2 基于MRFT的非聚焦模糊检测攻击模型 90
4.3.3 模型训练 94
4.3.4 实验 95
4.4 小结 102
参考文献 102
第5章 弱监督学习的图像非聚焦模糊检测 106
5.1 引言 106
5.2 基于RCN的弱监督焦点区域检测 107
5.2.1 方法背景 107
5.2.2 RCN结构 109
5.2.3 模型训练 112
5.2.4 实验 112
5.3 基于双对抗性鉴别器的自生成非聚焦模糊检测 120
5.3.1 方法背景 120
5.3.2 双对抗性鉴别器的网络结构 122
5.3.3 模型训练 124
5.3.4 实验结果与分析 124
5.4 小结 128
参考文献 128
第6章 弱监督非聚焦图像去模糊 132
6.1 引言 132
6.2 对抗促进学习的非聚焦去模糊 132
6.2.1 方法背景 132
6.2.2 对抗促进学习的非聚焦去模糊模型 134
6.2.3 模型训练 138
6.2.4 实验 138
6.3 非聚焦检测攻击的图像去模糊 142
6.3.1 方法背景 142
6.3.2 图像去模糊模型 144
6.3.3 模型训练 146
6.3.4 实验 148
6.4 小结 154
参考文献 155
第7章 多聚焦图像融合的非聚焦图像去模糊 159
7.1 引言 159
7.2 联合多级深度监督卷积神经网络 159
7.2.1 方法背景 159
7.2.2 多级深度监督网络模型 161
7.2.3 模型训练 164
7.2.4 实验 164
7.3 深度蒸馏多聚焦图像融合网络 172
7.3.1 方法背景 172
7.3.2 深度蒸馏多聚焦图像融合框架 174
7.3.3 模型训练 177
7.3.4 实验 178
7.4 小结 182
参考文献 183
第8章 图像非聚焦模糊智能处理的实际应用 187
8.1 引言 187
8.2 图像非聚焦模糊检测的应用 187
8.2.1 自动对焦系统 187
8.2.2 计算摄影“人像模式” 190
8.2.3 图片重定向 191
8.2.4 自动驾驶目标检测 193
8.2.5 多孔材料缺陷检测 194
8.3 非聚焦图像去模糊的应用 195
8.3.1 视频目标跟踪系统 195
8.3.2 虚拟现实技术 196
8.3.3 无人探测设备应急救援系统 198
8.3.4 医学内窥镜系统 199
8.3.5 光学显微镜系统 200
8.4 小结 201
参考文献 202
第9章 回顾、建议与展望 205
9.1 引言 205
9.2 研究成果回顾 205
9.2.1 非聚焦模糊检测的研究成果 205
9.2.2 非聚焦图像去模糊的研究成果 205
9.2.3 非聚焦图像智能处理技术的应用 206
9.3 问题与建议 206
9.3.1 训练数据集的制约问题 206
9.3.2 模型规模和计算开销的问题 207
9.3.3 网络模型的问题 207
9.4 研究方向展望 207
9.4.1 多任务结合的联合训练 207
9.4.2 通用性非聚焦模糊处理大模型 208
9.4.3 与前沿应用结合的特化研究 208
9.5 小结 2
第1章 绪论 1
1.1 图像非聚焦模糊处理的目的和意义 1
1.2 图像非聚焦模糊处理中的相关基本概念 2
1.2.1 非聚焦模糊图像的定义及类别 2
1.2.2 图像非聚焦模糊智能处理中的深度学习技术 2
1.2.3 图像非聚焦模糊智能处理 4
1.3 图像非聚焦模糊处理的设计要求和评估指标 4
1.3.1 图像非聚焦模糊处理的设计要求 4
1.3.2 图像非聚焦模糊处理的评估指标 5
1.4 图像非聚焦模糊处理技术的研究历史及现状 7
1.4.1 非聚焦模糊检测 7
1.4.2 非聚焦模糊图像去模糊 8
1.5 本书的研究范围和概览 9
参考文献 11
第2章 多尺度特征学习的图像非聚焦模糊检测 14
2.1 引言 14
2.2 级联映射残差学习网络 15
2.2.1 方法背景 15
2.2.2 级联映射残差学习模型 16
2.2.3 模型训练 22
2.2.4 实验 23
2.3 图像尺度对称协作网络 30
2.3.1 方法背景 30
2.3.2 图像尺度对称协作模型 32
2.3.3 模型训练 36
2.3.4 实验 36
2.4 小结 42
参考文献 42
第3章 深度集成学习的图像非聚焦模糊检测 46
3.1 引言 46
3.2 深度交叉集成网络 46
3.2.1 方法背景 46
3.2.2 深度交叉集成网络模型 48
3.2.3 模型训练 52
3.2.4 实验 52
3.3 自适应集成网络 56
3.3.1 方法背景 56
3.3.2 自适应集成网络模型 58
3.3.3 模型训练 63
3.3.4 实验 64
3.4 小结 69
参考文献 70
第4章 强鲁棒图像的非聚焦模糊检测 74
4.1 引言 74
4.2 多层级蒸馏学习的全场景非聚焦模糊检测 74
4.2.1 方法背景 74
4.2.2 多层级蒸馏学习的全场景非聚焦模糊检测模型 77
4.2.3 模型训练 82
4.2.4 实验 83
4.3 基于MRFT的非聚焦模糊检测攻击 89
4.3.1 方法背景 89
4.3.2 基于MRFT的非聚焦模糊检测攻击模型 90
4.3.3 模型训练 94
4.3.4 实验 95
4.4 小结 102
参考文献 102
第5章 弱监督学习的图像非聚焦模糊检测 106
5.1 引言 106
5.2 基于RCN的弱监督焦点区域检测 107
5.2.1 方法背景 107
5.2.2 RCN结构 109
5.2.3 模型训练 112
5.2.4 实验 112
5.3 基于双对抗性鉴别器的自生成非聚焦模糊检测 120
5.3.1 方法背景 120
5.3.2 双对抗性鉴别器的网络结构 122
5.3.3 模型训练 124
5.3.4 实验结果与分析 124
5.4 小结 128
参考文献 128
第6章 弱监督非聚焦图像去模糊 132
6.1 引言 132
6.2 对抗促进学习的非聚焦去模糊 132
6.2.1 方法背景 132
6.2.2 对抗促进学习的非聚焦去模糊模型 134
6.2.3 模型训练 138
6.2.4 实验 138
6.3 非聚焦检测攻击的图像去模糊 142
6.3.1 方法背景 142
6.3.2 图像去模糊模型 144
6.3.3 模型训练 146
6.3.4 实验 148
6.4 小结 154
参考文献 155
第7章 多聚焦图像融合的非聚焦图像去模糊 159
7.1 引言 159
7.2 联合多级深度监督卷积神经网络 159
7.2.1 方法背景 159
7.2.2 多级深度监督网络模型 161
7.2.3 模型训练 164
7.2.4 实验 164
7.3 深度蒸馏多聚焦图像融合网络 172
7.3.1 方法背景 172
7.3.2 深度蒸馏多聚焦图像融合框架 174
7.3.3 模型训练 177
7.3.4 实验 178
7.4 小结 182
参考文献 183
第8章 图像非聚焦模糊智能处理的实际应用 187
8.1 引言 187
8.2 图像非聚焦模糊检测的应用 187
8.2.1 自动对焦系统 187
8.2.2 计算摄影“人像模式” 190
8.2.3 图片重定向 191
8.2.4 自动驾驶目标检测 193
8.2.5 多孔材料缺陷检测 194
8.3 非聚焦图像去模糊的应用 195
8.3.1 视频目标跟踪系统 195
8.3.2 虚拟现实技术 196
8.3.3 无人探测设备应急救援系统 198
8.3.4 医学内窥镜系统 199
8.3.5 光学显微镜系统 200
8.4 小结 201
参考文献 202
第9章 回顾、建议与展望 205
9.1 引言 205
9.2 研究成果回顾 205
9.2.1 非聚焦模糊检测的研究成果 205
9.2.2 非聚焦图像去模糊的研究成果 205
9.2.3 非聚焦图像智能处理技术的应用 206
9.3 问题与建议 206
9.3.1 训练数据集的制约问题 206
9.3.2 模型规模和计算开销的问题 207
9.3.3 网络模型的问题 207
9.4 研究方向展望 207
9.4.1 多任务结合的联合训练 207
9.4.2 通用性非聚焦模糊处理大模型 208
9.4.3 与前沿应用结合的特化研究 208
9.5 小结 2
猜您喜欢
