图像复原优化算法pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

图像复原优化算法PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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 相关数学基础 1

1.1 算子方程的病态性 1

1.2 最优化理论 2

1.3 泛函的变分、Euler-Lagrange方程和边界条件 9

1.4 离散傅里叶变换与离散卷积 12

1.4.1 一维离散傅里叶变换 12

1.4.2 一维离散卷积 12

1.4.3 二维离散傅里叶变换 14

1.4.4 二维离散卷积 14

1.5 数值计算方法 17

1.5.1 最速下降法 17

1.5.2 牛顿法 18

1.5.3 共轭梯度法 18

第2章 分块循环矩阵和分块Toeplitz矩阵的计算 22

2.1 循环矩阵与一维离散傅里叶变换的关系 22

2.2 分块循环矩阵与二维离散傅里叶变换的关系 25

第3章 两种典型的图像复原算法 33

3.1 基于傅里叶变换的图像复原算法 34

3.2 基于共轭梯度法的图像复原 42

3.3 预条件共轭梯度法和几种预条件矩阵 50

3.3.1 分块循环扩充预条件矩阵 51

3.3.2 Level 1分块循环预条件矩阵 51

3.3.3 Level 2分块循环预条件矩阵 55

第4章 基于全变差的图像正则化复原算法 58

4.1 基于全变差的图像正则化复原 58

4.1.1 函数全变差的定义 58

4.1.2 函数全变差的数值计算 60

4.2 原始-对偶牛顿法 69

第5章 Bregman分裂算法及其应用 76

5.1 Bregman迭代正则化算法 76

5.2 分裂Bregman算法 84

5.3 离散全变差正则化的Bregman分裂算法 87

5.4 基于Bregman分裂算法的各向异性图像去噪模型 98

5.5 基于Bregman分裂迭代的Retinex算法 105

5.6 图像盲复原模型 110

5.6.1 基于TV的盲复原模型 111

5.6.2 各向异性的图像盲复原迭代算法 120

5.6.3 综合吉洪诺夫（TiKihonov）正则化和全变差正则化的图像盲复原 127

5.6.4 基于李普西兹（Lipschitz）空间正则化的图像盲复原算法 134

第6章 基于偏微分方程的图像复原算法 142

6.1 Rudin-Osher-Fatemi全变差复原模型 143

6.2 Perona-Malik复原模型 150

6.3 基于四阶偏微分方程的复原模型 157

6.4 一种改进的Ambrosio-Tortorelli模型解法 177

6.4.1 AT模型方程、梯度下降法与牛顿法 177

6.4.2 离散格式 180

6.4.3 数值实验与分析 182

第7章 变指数函数空间在图像复原及增强中的应用 184

7.1 图像复原与增强方法综述 184

7.1.1 图像复原问题及方法 184

7.1.2 图像增强问题与方法 185

7.2 变指数函数空间中变分模型的数学基础 186

7.2.1 变指数函数空间 186

7.2.2 算子理论 188

7.3 变指数函数空间中的图像复原模型及其算法 188

7.3.1 流形上的变指数图像复原模型 189

7.3.2 模型的数值分析及其求解 193

7.3.3 实验结果 198

7.4 变指数函数空间中的盲复原模型及其算法 201

7.4.1 变指数正则化及变指数盲复原模型 201

7.4.2 模型求解与数值实验结果 207

7.5 变指数函数空间中的图像增强方法 217

7.5.1 变指数Retinex图像增强模型的建立 217

7.5.2 模型解的存在性及其求解 219

7.5.3 数值实验 223

第8章 深度学习在图像处理中的应用实例 227

8.1 深度学习 227

8.1.1 深度学习发展简史 227

8.1.2 神经网络原理 228

8.1.3 卷积神经网络原理 229

8.1.4 生成对抗网络原理 239

8.2 基于深度卷积网络的单目避障系统设计 240

8.2.1 避障系统整体框架 240

8.2.2 避障系统各模块分析 241

8.2.3 实验结果 247

8.3 卷积神经网络在图像复原模型的应用 248

8.4 生成对抗网络在图像去雨中的应用 253

8.4.1 常见的图像去雨方法 254

8.4.2 基于生成对抗网络的图像去雨方法 255

8.4.3 实验结果 258

参考文献 261