圖像逆問題求解研究：基于深度神經(jīng)網(wǎng)絡(luò)的視角

定　價(jià)：￥78.00

作　者：	張墨華著
出版社：	經(jīng)濟(jì)管理出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787509679210	出版時(shí)間：	2021-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	209	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　近年來，研究人員的研究重點(diǎn)轉(zhuǎn)向從學(xué)習(xí)的角度去學(xué)習(xí)圖像先驗(yàn)，根據(jù)學(xué)習(xí)的圖像統(tǒng)計(jì)特征來提升圖像逆問題的求解性能。通過對(duì)超分辨卷積神經(jīng)網(wǎng)絡(luò)增加特征卷積層進(jìn)一步增強(qiáng)特征提取的能力，通過低層特征和增強(qiáng)特征的串聯(lián)操作，在取得優(yōu)秀性能的同時(shí)，模型參數(shù)數(shù)量有效減少；通過對(duì)反卷積生成式網(wǎng)絡(luò)可逆求解進(jìn)行理論分析，證明采用梯度下降對(duì)反卷積生成式網(wǎng)絡(luò)求逆的有效性，提出擴(kuò)展生成式網(wǎng)絡(luò)范圍的圖像逆問題求解算法，實(shí)現(xiàn)擴(kuò)展生成式網(wǎng)絡(luò)范圍的表示能力，提升復(fù)原圖像的保真度；提出顯著性引導(dǎo)多尺度先驗(yàn)融合的水下圖像逆問題求解方法，更為準(zhǔn)確地估計(jì)介質(zhì)透射率；提出對(duì)抗編碼解碼網(wǎng)絡(luò)的水下圖像逆問題求解模型，實(shí)現(xiàn)端到端的水下圖像逆問題求解。

作者簡(jiǎn)介

　　張墨華，1979年10月生，博士，河南財(cái)經(jīng)政法大學(xué)副教授，畢業(yè)于戰(zhàn)略支援部隊(duì)信息工程大學(xué)軟件工程專業(yè)，主要研究方向?yàn)闄C(jī)器學(xué)習(xí)、圖像處理。

圖書目錄

第1章緒論
1．1 研究背景與意義
1．2 圖像逆問題求解技術(shù)概述
1．3 圖像逆問題求解學(xué)習(xí)模型研究現(xiàn)狀
1．4 本書的主要研究?jī)?nèi)容和章節(jié)安排
第2章深度神經(jīng)網(wǎng)絡(luò)圖像逆問題求解的相關(guān)理論
2．1 機(jī)器學(xué)習(xí)任務(wù)
2．2 學(xué)習(xí)任務(wù)的正則化問題
2．3 人工神經(jīng)網(wǎng)絡(luò)
2．4 深度神經(jīng)網(wǎng)絡(luò)
2．5 圖像逆問題求解模型
2．6 圖像逆問題求解的深度學(xué)習(xí)方法
2．7 本章小結(jié)
第3章特征增強(qiáng)超分辨卷積神經(jīng)網(wǎng)絡(luò)研究
3．1 圖像超分辨率方法概述
3．2 超分辨率卷積神經(jīng)網(wǎng)絡(luò)SRCNN
3．3 特征增強(qiáng)超分辨卷積神經(jīng)網(wǎng)絡(luò)FELSRCNN
3．4 多層特征增強(qiáng)超分辨卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)MFELSRCNN
3．5 性能評(píng)估
3．6 本章小結(jié)
第4章基于深度生成式先驗(yàn)?zāi)Ｐ偷膱D像逆問題求解
4．1 引言
4．2 生成式網(wǎng)絡(luò)隱向量求解分析
4．3 生成式網(wǎng)絡(luò)范圍內(nèi)圖像逆問題求解方法
4．4 擴(kuò)展生成式網(wǎng)絡(luò)范圍的圖像逆問題求解方法
4．5 實(shí)驗(yàn)結(jié)果及分析
4．6 本章小結(jié)
第5章基于對(duì)抗編碼解碼網(wǎng)絡(luò)的水下圖像逆問題求解
5．1 引言
5．2 顯著性引導(dǎo)多尺度先驗(yàn)融合的水下圖像逆問題求解方法
5．3 對(duì)抗編碼解碼網(wǎng)絡(luò)的水下圖像逆問題求解模型
5．4 實(shí)驗(yàn)及結(jié)果分析
5．5 本章小結(jié)
第6章總結(jié)與展望
6．1 主要成果
6．2 后續(xù)工作展望
符號(hào)定義
英文縮略語表
參考文獻(xiàn)