代数多重网格方法原理及图像工程应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

代数多重网格方法原理及图像工程应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 代数多重网格方法基础1

1.1代数多重网格方法的基本思想1

1.2代数多重网格方法的理论研究3

1.2.1代数多重网格方法的理论基础3

1.2.2代数多重网格方法的主要步骤4

1.2.3性能分析10

1.3代数多重网格方法的实现11

1.3.1应用代数多重网格方法的预备过程11

1.3.2图像粗网格序列的提取12

1.3.3粗网格序列的插值13

1.4代数多重网格方法的理论分析16

1.4.1从一个差分方程到一个线性代数问题16

1.4.2单一网格上求解线性方程的问题16

1.4.3多网格上求解线性方程的解决方案18

1.4.4粗网格在图分类方法中的应用20

1.4.5利用拉普拉斯矩阵提取粗网格20

1.5代数多重网格方法与小波的对比研究23

1.6本章小结24

第2章 代数多重网格图像清晰度评价及在运动目标检测中的应用25

2.1图像清晰度评价25

2.1.1主观评价25

2.1.2客观评价25

2.1.3代数多重网格方法和图像清晰度的关系27

2.1.4使用代数多重网格进行无参考图像的清晰度评价30

2.2实验结果与分析31

2.2.1算法性能评价准则31

2.2.2检验算法的单调性31

2.2.3检验算法的一致性33

2.2.4检验算法的精确性35

2.3代数多重网格在运动目标检测中的应用37

2.3.1使用代数多重网格进行图像的重建37

2.3.2基于帧间差分法的目标检测39

2.4本章小结41

第3章 使用代数多重网格方法进行特征表达42

3.1图像的特征和特征提取42

3.1.1图像的颜色特征提取42

3.1.2纹理特征46

3.1.3形状特征47

3.1.4空间关系特征48

3.2图像的兴趣点检测49

3.3图像的特征描述子51

3.3.1图像的SIFT特征描述子51

3.3.2方向可调滤波器52

3.3.3微分不变量52

3.3.4 LBP纹理特征描述符53

3.3.5基于场景的视觉描述符54

3.4图像的特征不变性55

3.4.1灰度尺度不变性55

3.4.2旋转不变性56

3.4.3统一模式特征56

3.5特征选择57

3.5.1特征的评价准则57

3.5.2类别可分离性判据58

3.5.3特征子集的选择59

3.6特征优化60

3.6.1基于类别可分性判据的特征优化60

3.6.2主成分分析法62

3.6.3非线性维数降低63

3.7基于代数多重网格方法的特征研究69

3.7.1使用代数多重网格方法进行特征优化69

3.7.2使用代数多重网格方法进行特征选择70

3.8本章小结73

第4章 代数多重网格方法在图像融合中的应用74

4.1多聚焦图像融合概述74

4.2多聚焦图像融合基础和质量评价76

4.2.1多聚焦图像产生的原因76

4.2.2多聚焦图像融合的层次78

4.2.3多聚焦图像融合的算法79

4.2.4基于空域的多聚焦图像融合算法79

4.2.5基于频域的多聚焦图像融合算法80

4.2.6多聚焦图像融合质量评价82

4.2.7主观评价82

4.2.8客观评价82

4.3基于代数多重网格方法的多聚焦图像重建过程84

4.3.1图像粗网格序列的提取84

4.3.2粗网格序列的插值86

4.4基于区域的多聚焦图像融合算法87

4.5基于隶属度的多聚焦图像融合算法90

4.5.1区域决策图91

4.5.2满足一致性原则的区域隶属图91

4.5.3多级分块的区域划分图91

4.6基于边缘提取的多聚焦图像融合算法93

4.6.1基于边缘提取的多聚焦图像融合算法流程93

4.6.2获取多聚焦图像边缘94

4.6.3分区域融合98

4.6.4实验结果评价98

4.7基于清晰和模糊边界判定的多聚焦图像融合算法101

4.7.1基于清晰和模糊边界判定的方法的思路101

4.7.2与其他算法的主观研究107

4.7.3图像融合效果综合评价方法（客观评价）111

4.8本章小结115

第5章 代数多重网格方法在物体识别中的应用116

5.1图像检索概述116

5.1.1清晰度评价算法在图像检索中的应用117

5.1.2图像中清晰度区域提取117

5.1.3代数多重网格法降低维度119

5.1.4拉普拉斯投影矩阵变换法降低维度124

5.2图像检索实验结果及分析127

5.2.1图像检索系统介绍127

5.2.2检索一幅图像128

5.2.3检索序列图像128

5.3代数多重网格方法在物体识别中的应用133

5.4物体识别的研究现状133

5.4.1问题描述133

5.4.2物体识别难点134

5.5基于“词袋”模型的物体识别方法134

5.5.1文本“词袋”模型134

5.5.2图像“词袋”模型基本思想135

5.5.3特征表示和特征描述136

5.5.4视觉词典的形成137

5.5.5视觉单词的直方图147

5.5.6参数模型学习148

5.5.7物体识别全过程150

5.5.8物体识别结果及其分析152

5.6本章小结155

附录A图论基础156

附录B PyAMG的使用166

附录C源代码176

参考文献184