第1章 绪论
1.1 概述
1.2 图像融合的方法和应用
1.2.1 基于空间域的融合方法
1.2.2 基于多尺度变换的融合方法
1.2.3 基于变分法的融合方法
1.2.4 图像融合的应用
1.3 图像融合研究存在的问题
1.4 小结
参考文献
第2章 基于加权均值滤波的图像去噪算法
2.1 概述
2.2 开关加权均值滤波器主导的高密度椒盐噪声滤波
2.2.1 噪声检测
2.2.2 滤波
2.3 实验结果与分析
2.3.1 滤波窗口确定
2.3.2 权重函数选择
2.3.3 性能评价
2.4 小结
参考文献
第3章 基于交替引导滤波的图像融合方法
3.1 概述
3.2 边缘保持滤波
3.2.1 双边滤波器
3.2.2 引导图像滤波
3.2.3 动态引导滤波器
3.2.4 平滑迭代恢复滤波
3.2.5 交替引导滤波
3.3 基于AGF的多源图像融合算法
3.3.1 算法原理
3.3.2 融合规则
3.4 实验结果与分析
3.4.1 测试图像集
3.4.2 算法对比
3.4.3 实验参数设置
3.4.4 算法性能评价指标
3.4.5 主观评价
3.4.6 客观评价
3.5 小结
参考文献
第4章 基于区域特征的图像融合方法
4.1 概述
4.2 理论工具
4.2.1 正交小波变换
4.2.2 双树复小波变换
4.2.3 矢量图像处理
4.3 基于区域特征的图像融合算法
4.3.1 常用的图像融合策略
4.3.2 一致性区域分割
4.3.3 区域融合策略
4.4 融合结果与比较
4.4.1 区域分割图像融合算法的结果
4.4.2 算法性能的综合比较
4.5 小结
参考文献
第5章 基于整体特征的图像融合方法
5.1 概述
5.2 基于整体特征的图像融合
5.2.1 小波域内泛函的构造
5.2.2 算法的快速实现
5.2.3 算法实现中的其他问题
5.3 融合结果与比较
5.3.1 基于整体特征图像融合算法的结果
5.3.2 算法性能的综合评价
5.4 小结
参考文献
第6章 基于一致区域分割和双树复小波变换的图像融合方法
6.1 概述
6.2 双树复小波变换
6.3 源图像的一致图像分割
6.4 特征级融合规则
6.5 结果与讨论
6.6 小结
参考文献
第7章 基于稳健主成分分析的图像拼接方法
7.1 概述
7.2 相关理论基础
7.2.1 RPCA稳健主成分分析
7.2.2 新方法
7.3 实验结果
7.3.1 定性分析
7.3.2 定量分析
7.4 小结
参考文献
第8章 H.266/VVC视频信号处理
8.1 概述
8.2 H.266/VVC视频信号编码面临的挑战
8.3 基于H.265/HEVC的快速CU划分决策算法
8.4 基于H.266/VVC的快速CU划分决策算法
8.5 小结
参考文献
第9章 H.266/VVC关键技术
9.1 概述
9.2 H.266/VVC编码框架
9.2.1 帧内预测
9.2.2 帧间预测
9.2.3 变换与量化
9.2.4 环路滤波与熵编码
9.3 CU划分技术
9.4 机器学习在视频编码中的应用
9.5 质量评估
9.5.1 测试条件
9.5.2 评估标准
9.6 小结
参考文献
第10章 基于统计分析与SAE-CNN的自适应CU划分决策
10.1 概述
10.2 自适应CU划分决策
10.2.1 预决策词典
10.2.2 自适应尺寸卷积神经网络
10.2.3 自适应CU划分决策流程
10.2.4 训练
10.3 实验结果与分析
10.3.1 实验配置
10.3.2 结果分析
10.4 小结
参考文献
第11章 基于MET-CNN的快速CU划分决策
11.1 概述
11.2 快速CU划分决策
11.2.1 阶段网格图
11.2.2 多阶段提前终止卷积神经网络
11.2.3 基于MET-CNN的快速CU划分决策流程
11.2.4 训练
11.3 实验结果与分析
11.3.1 实验配置
11.3.2 结果分析
11.4 小结
参考文献
第12章 基于SVM的CU快速划分决策算法
12.1 概述
12.2 CU划分模式统计分析
12.3 SVM模型及算法流程
12.4 特征分析和选择
12.5 SVM的原理和离线训练
12.6 实验结果与分析
12.7 小结
参考文献
第13章 基于ResNet的CU快速划分决策算法
13.1 概述
13.2 整体算法流程
13.3 ResNet模型结构
13.3.1 第一层卷积层
13.3.2 残差块
13.4 损失函数
13.5 模型训练及阈值设定
13.6 实验结果与分析
13.7 小结
参考文献
附录 缩略语中英文对照
展开
