دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Compressive Imaging: Structure, Sampling, Learning
دانلود کتاب تصویربرداری فشاری: ساختار، نمونه گیری، یادگیری
مشخصات کتاب
Compressive Imaging: Structure, Sampling, Learning
ویرایش: [1 ed.]
نویسندگان: Ben Adcock. Anders C. Hansen
سری:
ISBN (شابک) : 110842161X, 9781108421614
ناشر: Cambridge University Press
سال نشر: 2021
تعداد صفحات: 614
[620]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 Mb
قیمت کتاب (تومان) : 87,000
در صورت تبدیل فایل کتاب Compressive Imaging: Structure, Sampling, Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تصویربرداری فشاری: ساختار، نمونه گیری، یادگیری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تصویربرداری فشاری: ساختار، نمونه گیری، یادگیری
بازسازی دقیق، قوی و سریع تصویر یک کار حیاتی در بسیاری از کاربردهای علمی، صنعتی و پزشکی است. در دهه گذشته، بازسازی تصویر با ظهور تصویربرداری فشرده متحول شده است. این به طور اساسی روش بازسازی تصویر مدرن را تغییر داده است. این درمان عمیق موضوع با مقدمه ای عملی برای تصویربرداری فشرده، تکمیل شده با مثال ها و کدهای قابل دانلود، که برای خوانندگان بدون پیش زمینه گسترده در موضوع در نظر گرفته شده است، آغاز می شود. در مرحله بعد، موضوعات اصلی در تصویربرداری فشرده - از جمله سنجش فشرده، موجک و بهینهسازی - را به روشی مختصر و در عین حال دقیق، قبل از ارائه یک درمان دقیق از ریاضیات تصویربرداری فشرده معرفی میکند. بخش پایانی به روندهای اخیر در تصویربرداری فشرده اختصاص دارد: یادگیری عمیق و شبکه های عصبی. با چشماندازی به دهه آینده تحقیقات تصویربرداری، و با استفاده از بینشهای تجربی و ریاضی، مزایای بالقوه و مشکلات این آخرین رویکردها را بررسی میکند.
توضیحاتی درمورد کتاب به خارجی
Accurate, robust and fast image reconstruction is a critical task in many scientific, industrial and medical applications. Over the last decade, image reconstruction has been revolutionized by the rise of compressive imaging. It has fundamentally changed the way modern image reconstruction is performed. This in-depth treatment of the subject commences with a practical introduction to compressive imaging, supplemented with examples and downloadable code, intended for readers without extensive background in the subject. Next, it introduces core topics in compressive imaging – including compressed sensing, wavelets and optimization – in a concise yet rigorous way, before providing a detailed treatment of the mathematics of compressive imaging. The final part is devoted to recent trends in compressive imaging: deep learning and neural networks. With an eye to the next decade of imaging research, and using both empirical and mathematical insights, it examines the potential benefits and the pitfalls of these latest approaches.
