书城首页 › 当代 › 综合 › 超小波分析及应用(第2版)
当代·综合

超小波分析及应用(第2版)

正版保障多仓发货48小时内发货2-3天送达可开发票
¥54.01 定价 ¥98.00 5.5折 立省 ¥43.99
现货库存 9 件 全新
商品参数
书名
超小波分析及应用(第2版)
ISBN
9787118139921
货号
1204279897
品相
全新
分类
当代·综合
购物车(0)
商品参数
书名
超小波分析及应用(第2版)
ISBN
9787118139921
货号
1204279897
品相
全新
分类
当代·综合
作者简介▼

闫敬文,男,博士,教授,博士生导师,广东省数字信号与图像处理重点实验室副主任、中国图像图形学会理事、广东省图像图形学会常务理事和广东省智慧安防专家库专家。主持国家自然科学基金2项、省部级课题8项和横向课题20余项,在国际国内核心期刊和国国际会议上发表论文超过100篇,其中SCI检索8篇,录用论文3篇,EI检索30篇,ISTP检索15篇。

目录▼

第1章超小波分析的学习方法

11超小波分析学习的对策

12新知识和新技术进展学习攻守策略

13工程训练或研究课题推荐学习方式

第2章多分辨分析和塔式算法

21多分辨分析

22Mallat算法

23小波包变换的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信号的分解过程

242空间的分解过程

243系数的分解过程

244信号的重建过程

245空间的重建过程

246系数的重建过程

25小波包完全分解的空间塔式结构

26二维小波变换的Mallat算法

261二维多分辨分析

262二维小波变换及小波包变换的Mallat算法

第3章脊波和曲波变换

31Ridgelet变换的定义

311一维Ridgelet变换

312二维Ridgelet变换

32正交Ridgelet变换

33单尺度和多尺度Ridgelet变换

331单尺度Ridgelet变换

332多尺度Ridgelet变换

34Ridgelet变换的应用

341基于Ridgelet变换的图像去噪

342基于Ridgelet变换的图像压缩

343Ridgelet变换的其他应用

35Curvelet变换

351Curvelet变换的提出

352Curvelet变换的研究进展及现状

353第一代Curvelet变换

354实现过程

36第二代Curvelet变换

361连续Curvelet变换

362离散Curvelet变换

363实现方法

37Curvelet系数分析

371结构分析

372统计分析

373特征分析

38Curvelet变换的应用

381基于Curvelet变换的图像去噪

382基于Curvelet变换的图像增强

参考文献

第4章3D-DFB和Surfacelet变换

41DFB的起源

42预备知识

433D-DFB

431核心思想

432第一层沙漏滤波器组

433其他层的分解

44Surfacelet变换

441Surfacelet变换的结构

442Surfacelet变换的性质

443Surfacelet变换系数分析

45程序测试结果

451三维图形分解

452视频处理

453系数矩阵分析

参考文献

第5章方向波与楔波变换

51方向波

52各向异性二维小波分解

53基于格子的歪斜小波变换

54非线性逼近和压缩

55Wedgelet变换

56多分辨率Wedgelet变换

57Wedgelet变换应用

571Wedgelet非线性逼近

572去噪

附录51原始和变换域里的MSE的关系

附录52定理51的证明

参考文献

第6章基于小波变换的高光谱图像压缩新方法

61三维光谱压缩的必要性

62KLT基本理论

621KLT的统计特征分析

622高光谱图像的谱特性分析

623KLT方法在消除谱相关性方面的应用

624实验结果和讨论

63对块零树编码压缩方法对超光谱数据压缩

64基于KLT/WT和谱特征向量量化三维谱像数据压缩

641谱特征分类向量量化(SFCVQ)压缩编码

642SFCVQ压缩编码的实验结果与讨论

643基于PKLT和IWT的多光谱图像压缩系统

644自适应分谱段的改进式KL变换/整数小波变换/SPIHT压缩

645三维整数小波变换/三维SPIHT压缩

65实验结果和结论

参考文献

第7章Bandelet变换及其应用

71Bandelet变换的基本概念和算法

72几何正则图像和几何流

73在特定区域内选择最佳几何流

74图像的四叉树分割

75Bandelet变换算法流程

76快速离散Bandelet变换

761沿着几何流的重采样

762离散弯曲小波和小波包变换

763Bandelet化

77图像的稀疏表示

771非线性图像小波逼近

772几何图像表示

78沿几何流的Bandelet

781Bandelet块函数

782最优化几何逼近

79快速几何最优化

791图像压缩

792噪声消除

793一种基于Bandelet变换的图像编码方法

710基于Bandelet变换的图像融合

参考文献

第8章小线变换及其应用

81基本理论

811建立小线库目标数据库

812小线变换

813建立小线金字塔

814建立小线图

815小线算法

82小线变换的应用

821小线检测

822基于小线变换的多尺度曲线编码

参考文献

第9章Contourlet变换及其应用

91Contourlet的原理

911拉普拉斯金字塔

912方向滤波器组

913多尺度、多方向分解:金字塔方向滤波器组

92Contourlet的应用

921基于Contourlet变换的图像去噪

922基于Contourlet变换的图像融合

93基于Contourlet变换的图像增强

931构建NSCT

932NSCT图形增强算法

933实验结果

参考文献

第10章脉冲耦合神经网络与小波变换

101脉冲耦合神经网络的基本原理

102脉冲耦合神经网络的特点

103脉冲耦合神经网络的应用及其分类

1031图像中的脉冲耦合神经网络设计

1032基于脉冲耦合神经网络的图像分割

104脉冲耦合神经网络与小波变换

105脉冲耦合神经网络PCNN与小波变换应用

1051小波多尺度脉冲耦合神经网络的基本原理

1052基于脉冲耦合神经网络的高频融合算法实现

1053改进的脉冲耦合神经网络高频图像融合方法

1054基于脉冲耦合神经网络低频图像融合方法

1055综合高频改进PCNN与低频PCNN的融合方法

1056基于区域点火特性的多聚焦图像融合[14]

1057基于方向性信息激发的脉冲耦合神经网络融合方法[36]

参考文献

文摘▼

本书系统地探讨了超小波理论体系与前沿应用,聚焦于传统小波分析的局限性突破与高维信号处理能力的提升。全书以多尺度几何分析为核心,阐述曲波、轮廓波、剪切波等超小波变换的数学原理,解析其方向滤波器组设计、稀疏表示与自适应分解机制。新增了深度学习与超小波融合方法,拓展了图像修复、压缩感知、医学影像分割等领域的实战案例,并深入探讨噪声抑制、计算效率优化等工程挑战。

¥54.01
🛒购物车