中图网

>

电子通信

>

通信

静脉图像修复与增强

作者：王军，潘在宇，申政文，左慧园

出版社：科学出版社出版时间：2023-11-01

开本： B5 页数： 124

本类榜单：工业技术销量榜

预估到手价¥60.1(6.8折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。

距结束还有

00:00:00

中图价:¥66.8(7.5折)定价 ~~¥89.0~~ 登录后可看到会员价

促销活动:

年中庆第一波|全场百万图书折上9折

加入购物车收藏

运费6元，全场折上9折期间 满39元包邮

?快递不能达地区使用邮政小包，运费14元起

云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达

本类五星书更多>

>
湖南省志(1978-2002)?铁路志

湖南省志(1978-2002)?铁路志

¥70.6¥98
>
公路车宝典(ZINN的公路车维修与保养秘籍)

公路车宝典(ZINN的公路车维修与保养秘籍)

¥84¥120
>
晶体管电路设计(下)

晶体管电路设计(下)

¥26.6¥38
>
无头案:雍正暴亡之谜

无头案:雍正暴亡之谜

¥6.1¥12.5
>
基于个性化设计策略的智能交通系统关键技术

基于个性化设计策略的智能交通系统关键技术

¥47.6¥68
>
花样百出:贵州少数民族图案填色

花样百出:贵州少数民族图案填色

¥11.3¥45
>
识木:全球220种木材图鉴

识木:全球220种木材图鉴

¥111.7¥228

商品详情
商品评论(0条)

中图价:¥66.8 加入购物车

版权信息
内容简介
目录

微信公众号

静脉图像修复与增强版权信息

ISBN：9787030766427
条形码：9787030766427 ; 978-7-03-076642-7
装帧：平装胶订
册数：暂无
重量：暂无
所属分类：
工业技术
>
电子通信
>
通信

静脉图像修复与增强内容简介

本书首先论述了静脉图像修复与增强的研究意义，以及现阶段国内外对状接着介绍了本课题组自制的静脉图像数据采集系统，然后针对在静脉图像采集过程中，诸多不可避免的因素导致静脉图像采集背景灰暗、对比度低拓扑结构不明显、细节信息丢失等情况，造成静脉识别系统对信息表征能力不足的问题从静脉图像修复与增强两大关键技术进行探讨研究，主要提出基于融合可变形模块的U-Net网络、基于非局部对抗的生成网络、基于分离与表示的生成对抗网络的静脉图像修复方法以及基于Actor-Critic、基于多尺度特征融合、基于特征解耦学习的低曝光静脉图像增强方法。

静脉图像修复与增强目录

前言第1章绪论 1.1 静脉图像修复与增强概述 1.2 静脉图像修复研究现状 1.2.1 传统的图像修复方法 1.2.2 基于深度学习的图像修复 1.2.3 静脉血管图像修复 1.3 静脉图像增强研究现状 1.3.1 低曝光图像增强研究现状 1.3.2 静脉图像增强方法研究现状 1.4 本书研究内容 1.4.1 主要研究工作 1.4.2 本书的章节安排第2章静脉图像数据集 2.1 静脉图像成像系统 2.1.1 成像光源系统 2.1.2 图像采集系统 2.2 静脉图像数据集类型 2.2.1 自制静脉图像数据集 2.2.2 公开静脉纹图像数据集 2.2.3 低曝光手背静脉图像数据集 2.3 静脉图像预处理 2.4 本章小结第3章基于融合可变形模块的U-Net网络的静脉图像修复 3.1 基于卷积神经网络的图像修复 3.1.1 图像风格转换损失与图像修复关系 3.1.2 U-Net网络 3.2 基于融合可变形模块的U-Net桃型 3.2.1 可变形卷积网络模块 3.2.2 生成网络 3.3 修复网络训练损失 3.3.1 感知损失与风格损失 3.3.2 对抗损失 3.4 识别实验与结果分析 3.5 本章小结第4章基于非局部对抗的生成对抗网络的静脉图像修复 4.1 生成对抗网络技术 4.1.1 生成对抗网络模型与框架 4.1.2 生成对抗网络的应用 4.2 基于非局部对抗的生成对抗网络模型 4.2.1 生成网络模型 4.2.2 空洞卷积 4.2.3 非局部网络模块 4.3 修复网络训练损失 4.3.1 对抗损失 4.3.2 感知损失 4.3.3 训练总损失 4.4 识别实验与结果分析 4.5 本章小结第5章基于分离与表示的生成对抗网络的静脉图像修复 5.1 图像到图像的转换 5.1.1 成对图像数据间的转换 5.1.2 非成对图像数据间的转换 5.2 分离与表示的学习 5.2.1 分离与表示研究现状 5.2.2 分离与表示应用 5.2.3 点与线的分离 5.3 修复网络训练损失 5.3.1 对抗损失 5.3.2 循环一致性损失 5.3.3 感知损失 5.4 识别实验与结果分析 5.5 本章小结第6章基于Actor-Critic的低曝光静脉图像增强 6.1 Actor-Critic框梨 6.2 基于Actor-Critic的静脉图像增强网络 6.2.1 可微图像滤波器 6.2.2 静脉图像增强的Actor-Critic网络框架 6.2.3 静脉图像细节增强模块 6.3 识别实验与结果分析 6.3.1 模型训练过程 6.3.2 多个滤波函数实验 6.3.3 细节增强对比实验 6.3.4 ACN算法与其他模型的对比实验 6.3.5 静脉图像识别率对比实验 6.4 本章小结第7章基于多尺度特征融合的低曝光静脉图像增强 7.1 多尺度特征融合和通道注意力机制 7.1.1 多尺度特征融合 7.1.2 通道注意力机制 7.2 残差单元介绍 7.3 静脉图像多尺度特征融合模型构建 7.3.1 静脉多尺度融合残差块设计 7.3.2 多尺度融合模型的损失函数 7.4 识别实验与结果分析 7.4.1 模型训练过程 7.4.2 静脉多尺度融合残差块数量实验 7.4.3 注意力机制SE模块对比实验 7.4.4 与其他模型的对比实验 7.4.5 静脉图像识别率对比实验 7.5 本章小结第8章基于特征解耦学习的低曝光静脉图像增强 8.1 自编码网络与特征解耦学习 8.1.1 自编码网络 8.1.2 特征解耦学习 8.2 基于特征解耦学习的静脉图像增强网络 8.2.1 静脉图像背景与纹理特征解耦网络 8.2.2 静脉图像增强网络 8.3 识别实验与结果分析 8.3.1 实验数据集和模型训练过程 8.3.2 纹理特征重建图像对比实验 8.3.3 与其他模型的对比实验 8.3.4 静脉图像识别率对比实验 8.4 本章小结参考文献后记

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐