超小波分析及應(yīng)用

內(nèi)容概要

本書以概要形式講述超小波分析的基本理論，并緊密結(jié)合實(shí)踐應(yīng)用研究。第1章介紹本門課程的學(xué)習(xí)方法，介紹如何開展課程學(xué)習(xí)方法、新技術(shù)學(xué)習(xí)對(duì)策和工程訓(xùn)練推薦方式。第2章概要介紹應(yīng)用小波分析和應(yīng)用時(shí)必須掌握的小波分析內(nèi)容，即多尺度分析和Mallat算法。超小波是基于小波分析基礎(chǔ)之上新的多尺度分析，不了解小波分析直接去學(xué)習(xí)，顯然不合適。本章主要向讀者介紹必須掌握的小波分析內(nèi)容。第3章由小波變換引入到脊波和曲波分析，介紹其方向性的優(yōu)點(diǎn)，并結(jié)合其特點(diǎn)，進(jìn)行初步的應(yīng)用研究。第4章介紹3D—DFB和Surfacelet變換。第5章介紹方向波與楔波變換。第6章介紹高光譜壓縮。第7章介紹Bandelet變換和應(yīng)用。第8章介紹小線變換。第9章介紹Contourlet變換及其應(yīng)用。第10章介紹脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）與小波變換。 本書以精縮的理論知識(shí)、實(shí)踐教學(xué)和工程訓(xùn)練相結(jié)合，可以作為計(jì)算機(jī)應(yīng)用、通信工程和電子工程專業(yè)碩士和博士研究生、工程碩士、教師及工程技術(shù)人員學(xué)習(xí)數(shù)字圖像處理、圖像分析和基本圖形學(xué)技術(shù)研究型教材、參考書和實(shí)驗(yàn)教學(xué)指導(dǎo)書。具有較強(qiáng)計(jì)算機(jī)編程能力和扎實(shí)理論的高年級(jí)本科生，可以選取其中適合部分內(nèi)容作為工程訓(xùn)練的基本教材。

書籍目錄

第1章 超小波分析的學(xué)習(xí)方法  1.1 超小波分析學(xué)習(xí)的對(duì)策  1.2 新知識(shí)和技術(shù)進(jìn)展學(xué)習(xí)攻守策略  1.3 工程訓(xùn)練或研究課題推薦學(xué)習(xí)方式第2章 多分辨分析和塔式算法  2.1 多分辨分析  2.2 Mallat算法  2.3 小波包變換的Mallat算法    2.3.1 小波包分解的Mallat算法    2.3.2 小波包合成的Mallat算法  2.4 金字塔算法    2.4.1 信號(hào)的分解過程      2.4.2 空間的分解過程      2.4.3 系數(shù)的分解過程      2.4.4 信號(hào)的重建過程      2.4.5 空間的重建過程      2.4.6 系數(shù)的重建過程    2.5 小波包完全分解的空間塔式結(jié)構(gòu)  2.6 二維小波變換的Mallat算法    2.6.1 二維多分辨分析    2.6.2 二維小波變換及小波包變換的Mallat算法  第3章 脊波和曲波變換  3.1 Ridgelet變換的定義    3.1.1 一維Ridgelet變換    3.1.2 二維Ridgelet變換  3.2 正交Ridgelet變換  3.3 單尺度和多尺度Ridgelet    3.3.1 單尺度Ridgelet變換    3.3.2 多尺度Ridgelet變換  3.4 Ridgelet：變換的應(yīng)用    3.4.1 基于Ridgelet變換的圖像去噪    3.4.2 基于Riclgelet變換的圖像壓縮    3.4.3 Ridgelet變換的其他應(yīng)用  3.5 Curvelet變換    3.5.1 Curvelet變換的提出    3.5.2 Curvelet變換的研究進(jìn)展及現(xiàn)狀    3.5.3 第一代Curvelet變換      3.5.4 實(shí)現(xiàn)過程  3.6 第二代Curvelet變換    3.6.1 連續(xù)Curvelet變換    3.6.2 離散Curvelet變換    3.6.3 實(shí)現(xiàn)方法  3.7 Curvelel：系數(shù)分析    3.7.1 結(jié)構(gòu)分析    3.7.2 統(tǒng)計(jì)分析    3.7.3 特征分析  3.8 Curvelet變換的應(yīng)用    3.8.1 基于Curvelet變換的圖像去噪    3.8.2 基于Curvelet變換的圖像增強(qiáng)第4章 3D—DFB和Surfacelet變換  4.1 DFB的起源  4.2 預(yù)備知識(shí)  4.3 3D-DFB    4.3.1 核心思想    4.3.2 第一層沙漏濾波器組    4.3.3 其他層的分解  4.4 Surfacelet變換    4.4.1 Surfacelet變換的結(jié)構(gòu)    4.4.2 Surfacelet變換的性質(zhì)    4.4.3 Surfacelet變換系數(shù)分析  4.5 程序測(cè)試結(jié)果    4.5.1 三維圖形分解    4.5.2 視頻處理    4.5.3 系數(shù)矩陣分析第5章 方向波與楔波變換  5.1 方向波  5.2 各向異性二維小波分解  5.3 基于格子的歪斜小波變換  5.4 非線性逼近和壓縮  5.5 Wedgelet變換  5.6 多分辨率Wedgelet變換  5.7 Wedgelet變換應(yīng)用    5.7.1 Wedgelet非線性逼近    5.7.2 去噪    附錄5.1 原始和變換域里的MSE的關(guān)系    附錄5.2 定理5.1的證明第6章 基于小波變換的高光譜圖像壓縮新方法  6.1 三維光譜壓縮的必要性  6.2 KLT基本理論    6.2.1 KLT的統(tǒng)計(jì)特征分析    6.2.2 高光譜圖像的譜特性分析    6.2.3 KLT方法在消除譜相關(guān)性的應(yīng)用    6.2.4 實(shí)驗(yàn)結(jié)果和討論  6.3 對(duì)塊零樹編碼壓縮方法對(duì)超光譜數(shù)據(jù)壓縮  6.4 基于KLT/WT和譜特征矢量量化三維譜像數(shù)據(jù)壓縮    6.4.1 譜特征分類矢量量化（SFCVQ）壓縮編碼    6.4.2 SFCVQ壓縮編碼的實(shí)驗(yàn)結(jié)果與討論    6.4.3 基于PKLT和IWT的多光譜圖像壓縮系統(tǒng)    6.4.4 自適應(yīng)分譜段的改進(jìn)式KL變換/整數(shù)小波變換/SPIHT壓縮    6.4.5 三維整數(shù)小波變換/三維SPIHT壓縮  6.5 實(shí)驗(yàn)結(jié)果和結(jié)論第7章  Bandelet變換及其應(yīng)用  7.1 Bandelet變換的基本概念和算法  7.2 幾何正則圖像和幾何流  7.3 在特定區(qū)域內(nèi)選擇最佳幾何流  7.4 圖像的四叉樹分割  7.5 Bandelet變換算法流程  7.6 快速離散Bandelet轉(zhuǎn)換    7.6.1 沿著幾何流的重采樣    7.6.2 離散彎曲小波和小波包轉(zhuǎn)換    7.6.3 Bandelet化  7.7 圖像的稀疏表示    7.7.1 非線性圖像小波逼近    7.7.2 幾何圖像表示  7.8 沿幾何流的Bandelets    7.8.1 Bandelet塊函數(shù)    7.8.2 最優(yōu)化幾何逼近    7.9 快速幾何最優(yōu)化    7.9.1 圖像壓縮    7.9.2 噪聲消除    7.9.3  一種基于Bandelet變換的圖像編碼方法  7.10 基于Bandelet變換的圖像融合    結(jié)論第8章  Beamlet及其應(yīng)用  8.1 基本理論    8.1.1 建立小線庫(kù)目標(biāo)數(shù)據(jù)庫(kù)    8.1.2 小線變換    8.1.3 建立小線金字塔      8.1.4 建立小線圖    8.1.5 小線算法  8.2 Beamlet應(yīng)用    8.2.1 小線檢測(cè)    8.2.2 JBeam：Beamlet用于多尺度曲線編碼第9章  Contourlet變換及其應(yīng)用  9.1 Contourlet的原理    9.1.1 拉普拉斯金字塔      9.1.2 方向?yàn)V波器（DFB）    9.1.3 多尺度、多方向分解：塔型方向?yàn)V波器組  9.2 Contourlet的應(yīng)用    9.2.1  基于Contourlet變換的圖像去噪    9.2.2 基于Contourlet變換的圖像融合  9.3 基于Comtotlrlet變換的圖像增強(qiáng)    9.3.1 構(gòu)建NSCT    9.3.2 NSCT圖形增強(qiáng)算法    9.3.3 實(shí)驗(yàn)結(jié)果第10章  脈沖耦合神經(jīng)網(wǎng)絡(luò)與小波變換  10.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)的基本原理  10.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)的特點(diǎn)  10.3 脈沖耦合神經(jīng)網(wǎng)絡(luò)的應(yīng)用及其分類    10.3.1 圖像中的脈沖耦合神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)    10.3.2 基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割  10.4 脈沖耦合神經(jīng)網(wǎng)絡(luò)與小波變換比較  10.5 脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN與小波變換應(yīng)用    10.5.1 小波多尺度脈沖耦合神經(jīng)網(wǎng)絡(luò)的基本原理    10.5.2 基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的高頻融合算法實(shí)現(xiàn)    10.5.3 改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)高頻圖像融合方法    10.5.4 基于脈沖耦合神經(jīng)網(wǎng)絡(luò)低頻圖像融合方法    10.5.5 綜合高頻改進(jìn)PCNN與低頻PCNN的融合方法    10.5.6 基于區(qū)域點(diǎn)火特性的多聚焦圖像融合    10.5.7 基于方向性信息激發(fā)的脈沖耦合神經(jīng)網(wǎng)絡(luò)融合方法

章節(jié)摘錄

　　第1章　超小波分析的學(xué)習(xí)方法　　如何進(jìn)行超小波分析的學(xué)習(xí)？在學(xué)習(xí)生活中，對(duì)這一問題的重要性、迫切性和影響還沒有得到讀者的足夠認(rèn)識(shí)。這是一個(gè)自然辯證法或自然科學(xué)中的方法論的問題，也是每個(gè)老師必須面對(duì)和掌握的理論。無論做什么事情，都有技巧和方法。好的技巧和方法會(huì)幫助你取得事半功倍的效果。對(duì)于學(xué)生來說，不了解這一問題是很正常的。因?yàn)閷W(xué)生不可能像老師那樣了解各門課程的學(xué)科體系結(jié)構(gòu)，也不清楚各種知識(shí)之間的相互關(guān)系?！　『芏嗳硕伎催^金庸的武俠小說，對(duì)其中刻畫的人物形象記憶深刻，這正是文學(xué)藝術(shù)作品的真正魅力所在。但我提一個(gè)問題，請(qǐng)說出各小說中的人物關(guān)系和武功流派？相信不是金庸武俠小說的研究人員，很少有人能夠說明白。而計(jì)算機(jī)學(xué)科的發(fā)展正是建立在通信技術(shù)、電子技術(shù)、網(wǎng)絡(luò)技術(shù)和信息處理技術(shù)的基礎(chǔ)之上，各學(xué)科和課程之間的關(guān)系遠(yuǎn)遠(yuǎn)超過金庸作品中的人物關(guān)系和武功流派。而各學(xué)科或功課所需要紛繁的數(shù)學(xué)知識(shí)則更為復(fù)雜。教學(xué)過程中需要在引導(dǎo)學(xué)生去了解和掌握這些關(guān)系，建立系統(tǒng)的知識(shí)結(jié)構(gòu)體系。學(xué)生在學(xué)習(xí)過程中，要知道哪些內(nèi)容重要，了解重點(diǎn)或感興趣的內(nèi)容是什么，如何去學(xué)，怎樣應(yīng)用，想學(xué)到什么技術(shù)和特長(zhǎng)等。如果學(xué)生清楚了這些問題，在學(xué)習(xí)和研究生活中，會(huì)更有針對(duì)性，讓學(xué)習(xí)生活更充實(shí)。既學(xué)到了扎實(shí)的理論知識(shí)，又學(xué)會(huì)了研究方法和技術(shù)應(yīng)用。特別是對(duì)那些研究生同學(xué)，面臨研究和寫學(xué)術(shù)論文的迫切需要時(shí)，學(xué)習(xí)一種新的技術(shù)和方法，將會(huì)有助于學(xué)業(yè)的順利完成?！　∠旅嬗靡粋€(gè)例子說明這一問題。在我教過的學(xué)生中，有一名同學(xué)的數(shù)學(xué)基礎(chǔ)很好，也有較高的理想報(bào)負(fù)。但上了大學(xué)后，因?yàn)槟壳案叩冉逃械膯栴}，教學(xué)還主要停留在書本理論知識(shí)教學(xué)上。他不是很感興趣，又不知道做什么，失去了學(xué)習(xí)的原動(dòng)力。在從網(wǎng)上看到我招募科研助手的帖子后，直接來到我的研究小組。經(jīng)過幾個(gè)月的訓(xùn)練，他感覺提高很多，并覺得從研究中掌握的深入理論指導(dǎo)會(huì)對(duì)理解原來教材中的問題有幫助，還有助于知識(shí)系統(tǒng)性的形成。在他所研究的專題中，可以在QQ群上與博士研究生進(jìn)行交流。要知道這只是一個(gè)大學(xué)四年級(jí)的學(xué)生。學(xué)習(xí)必須講方法和策略，需要老師的引導(dǎo)和學(xué)生自己的獨(dú)立領(lǐng)悟相結(jié)合。老師的引導(dǎo)即所謂的“師傅領(lǐng)進(jìn)門”，獨(dú)立領(lǐng)悟指的是學(xué)生的悟性，是在長(zhǎng)期訓(xùn)練和經(jīng)驗(yàn)積累的過程中慢慢形成的。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    超小波分析及應(yīng)用 PDF格式下載

---