圖像超分辨率技術及其應用 图像超分辨率技术及其应用

<內容簡介>

法特希·阿布杜埃薩目、莫豪伊·哈迪漢德、賽依達·伊爾哈米編著的《圖像超分辨率技術及其應用》主要論述了圖像超分辨率技術，即從單幅或多幅低分辨率圖像獲取高分辨率圖像。儘管已有的圖像插值和超分辨技術的演算法眾多．但仍需對此兩種技術建立統一聯繫。《圖像超分辨率技術及其應用》一書正是為實現此目的而出版，將圖像插值作為圖像超分辨率重建過程中的一個處理模塊對待。
本書並不是將圖像插僮作為基於多項式問題或逆問題對待，而是對上述兩種技術進行比較分析。同時，書中論述了圖像超分辨率技術的兩個方向：有先驗知識的超分辨重建和盲超分辨率圖像重建技術。另外，書中也對圖像超分辨率技術的兩個補充步驟——圖像配準和圖像融合——進行了詳細討論。
對彩色圖像插值和插值技術在模式識別中的應用技術進行了詳細討論。
對基於逆問題的圖像插值技術進行了分析。
介紹了圖像配準方法。
討論了圖像融合及其在圖像超分辨率技術中的應用。
給出了模擬試驗結果及相應的MATLAB?碼。
本書涵蓋了圖像超分辨率技術及其應用，並介紹了醫學和衛星圖像超分辨率技術的具體應用。用MATLAB編程實現了包括多項式圖像插值和自適應多項式圖像插值技術在內的多種圖像超分辨率技術。書中所討論的模擬代碼均在附錄中給出。

<章節目錄>

第1章 緒論
  1.1 圖像插值
  1.2 圖像超分辨率重建
第2章 多項式圖像插值
  2.1 引言
  2.2 經典圖像插值演算法
  2.3  B樣條圖像插值
    2.3.1 多項式樣條
    2.3.2  B樣條類型
    2.3.3 B樣條插值的數字濾波器實
  2.4 O—MOMS插值法
  2.5 Keys』(雙三次)插值
  2.6 多項式圖像插值的問題
    2.6.1 振鈴效應
    2.6.2 混疊效應
    2.6.3 塊效應
    2.6.4 模糊效應
第3章 自適應多項式圖像插值
  3.1 引言
  3.2 低分辨率圖像降質模型
  3.3 線性不變空間圖像插值
  3.4 有偏距離圖像插值
  3.5 權重圖像插值
  3.6 迭代圖像插值
  3.7 模擬實例
第4章 基於神經網絡的多項式圖像插值
  4.1 引言
  4.2  ANN基礎知識
    4.2.1 神經元
    4.2.2 層
    4.2.3 連接
    4.2.4 權重
    4.2.5 激勵規則
    4.2.6 激勵函數
    4.2.7 輸出
    4.2.8 學習規則
  4.3 神經網絡結構
    4.3.1 多層感知網絡
    4.3.2 徑向基函數網絡
    4.3.3 小波神經網絡
    4.3.4 循環神經網絡
  4.4 訓練演算法
  4.5 神經網絡圖像插值
  4.6 模擬試驗
第5章 彩色圖像插值
  5.1 引言
  5.2 色彩過濾陣列
    5.2.1 白平衡
    5.2.2  Beyer插值
  5.3 拉普拉斯二階矯正的線性插值

  5.4 自適應彩色圖像插值
第6章 圖像插值在模式識別中的應用
  6.1 引言
  6.2 倒頻譜模式識別技術
  6.3 特徵提取
    6.3.1 MFCC係數計算
    6.3.2 多項式係數
  6.4 基於離散變換的特徵提取
    6.4.1 離散小波變換
    6.4.2 離散餘弦變換
    6.4.3 離散正弦變換
  6.5 基於人工神經網絡的特徵匹配
  6.6 模擬實例
第7章 圖像插值逆問題
  7.1 引言
  7.2 自適應最小二乘圖像插值
  7.3  LMMSE圖像插值
  7.4 最大熵圖像插值
  7.5 正則化圖像插值
  7.6 模擬試驗
  7.7 紅外圖像的插值
第8章 圖像配準
  8.1 引言
  8.2 圖像配準的應用
    8.2.1 不同視角(多視角分析)
    8.2.2 不同時間(多時相分析)
    8.2.3 不同傳感器(多模型分析)
    8.2.4 場景和模型的配準
  8.3 圖像配準的步驟
    8.3.1 特徵檢測步驟
    8.3.2 特徵匹配步驟
    8.3.3 變換模型估計
    8.3.4 圖像重採樣和變換
  8.4 圖像配準精度的估計
第9章 圖像融合
  9.1 引言
  9.2 圖像融合的目標
  9.3 圖像融合的實現
  9.4 像素級圖像融合
  9.5 主元分析融合
  9.6 小波融合
    9.6.1 DWT融合
    9.6.2 DWFT融合
  9.7 曲波融合
    9.7.1 子帶濾波
    9.7.2 分割
    9.7.3 脊波變換
  9.8  IHS融合
  9.9 高通濾波融合
  9.10 格蘭施密特融合

  9.11 衛星圖像融合
  9.12 MR和CT圖像融合
第10章 基於先驗知識的超分辨率重建
  10.1 引言
  10.2 多觀測LR降質模型
  10.3 基於小波的圖像超分辨率重建
  10.4 簡化的多通道降質模型
  10.5 多通道圖像複原
    10.5.1 多通道LMMSE複原
    10.5.2 多通道最大熵複原
    10.5.3 多通道正則化複原
  10.6 模擬實例
第11章 無先驗知識的超分辨率重建
  11.1 引言
  11.2 問題描述
  11.3 二維GCD演算法
  11.4 盲超分辨率重建方法
  11.5 模擬試驗
附錄A 離散B樣條
附錄B 托普利茨一循環近似
附錄C 牛頓演算法
附錄D MATLAB?代碼
參考文獻
索引