- 图像数据先验的数学建模及其应用/CCF优博丛书
- - 作者：谢琦|责编:梁伟//韩飞
  - 出版社：机械工业
  - ISBN：9787111755340
  - 出版日期：2024/08/01
  - 页数：242
- 售价：31.6

内容大纲
本书展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架，相信能够对领域的发展有一定的助力，同时也能给读者带来新的启发。
本书适合数学类、计算机类专业高年级本科生和研究生阅读，也适合具备相关数学、编程基础的研究、开发人员阅读，亦可为数字人文领域的学者提供一定的参考和借鉴。
作者介绍
谢琦西安交通大学数学与统计学院副教授，博士研究生导师。于2013年7月与2020年12月分别获西安交通大学理学学士与理学博士学位。2017年8月至2018年9月曾赴普林斯顿大学访学。目前主要从事机器学习与计算机视觉的基础问题研究。在CCF A类期刊与会议发表论文18篇，IEEE Transaction论文14篇，入选ESI高被引论文4篇，第一作者在领域顶刊TPAMI发表论文3篇。2015年至今，谷歌学术被引4270次，H指数为21。入选2022年“CCF优秀博士学位论文激励计划”，获“2021年ACM中国优博提名奖”“2023年陕西省优秀博士学位论文奖”“VALSE年度最佳学生论文提名奖”“徐宗本应用数学论文奖”等奖项。
目录
丛书序
推荐序
推荐序
导师序
摘要
Abstract
第1章  绪论
  1.1  研究背景
  1.2  相关研究现状
    1.2.1  高维数据的稀疏性建模
    1.2.2  颜色与方向不变的彩色图像非局部自相似性建模
    1.2.3  低剂量CT弦图噪声建模
    1.2.4  基于物理机制的深度高光谱融合
    1.2.5  基于领域知识的眼底病灶检测
  1.3  本书的主要内容
第2章  一种新型高阶稀疏性度量及在张量处理问题中的应用
  2.2  符号定义和背景知识
  2.3  CP分解与Tucker分解
  2.4  高阶稀疏性度量
  2.5  KBR高阶稀疏性度量
    2.5.1  KBR稀疏正则最小二乘问题
    2.5.2  KBR稀疏正则的张量填充问题
    2.5.4  KBR稀疏正则最小二乘在高光谱图像去噪问题中的应用
  2.6  实验结果
    2.6.1  高光谱图像去噪实验
    2.6.2  基于KBR-TC的高光谱图像填充实验
    2.6.3  基于KBR-RPCA的视频背景建模实验
    2.6.4  折中参数的分析
第3章  颜色与方向不变图像非局部自相似性建模及其应用
  3.3  颜色与方向不变非局部自相似性建模
    3.3.1  方向敏感图像块表示
    3.3.2  颜色敏感图像块表示
  3.4  基于颜色与方向不变非局部自相似性的彩色图像去噪模型
    3.4.1  彩色图像去噪的最大后验模型
    3.4.2  EM算法
  3.5  实验结果
    3.5.1  仿真彩色图像去噪实验
    3.5.2  真实彩色图像去噪实验
第4章  基于生成机制的低剂量CT弦图去噪
  4.2  符号定义和背景知识
  4.3  模型框架
    4.3.1  投影数据的生成模型
    4.3.2  弦图先验模型
    4.3.3  最大后验估计
    4.3.4  模型讨论
  4.4  ADMM算法
  4.5  实验结果
    4.5.1  对比方法
    4.5.2  数字影像数据实验
    4.5.3  仿真体模数据实验

    4.5.4  临床猪心数据研究
  4.6  小结
第5章  物理机制嵌入的深度高光谱融合网络
  5.1  引言
  5.2  方法框架
    5.2.1  模型框架
    5.2.2  模型优化
    5.2.3  MHF-net的网络结构设计
  5.3  一致高光谱融合网络
  5.4  盲高光谱融合网络
  5.5  实验结果
    5.5.1  模型验证
    5.5.2  响应系数一致数据上的对比实验
    5.5.3  响应系数非一致数据上的对比实验
  5.6  小结
第6章  领域知识嵌入的深度眼底病灶检测网络
  6.1  引言
  6.2  EM-net的基本框架
    6.2.1  模型框架
    6.2.2  模型求解
    6.2.3  网络设计
    6.2.4  网络训练
  6.3  实验结果
    6.3.1  IDRiD数据上的实验
    6.3.2  DDR数据集上的实验
    6.3.3  与IDRiD挑战榜对比
    6.3.4  解释性验证
  6.4  小结
第7章  结论与展望
  7.1  结论
  7.2  展望
附录
  附录A  理论结果证明
  附录B  深度网络设计细节
参考文献
攻读博士学位期间的科研成果
致谢
丛书跋

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目