دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات ویرایش: 1 نویسندگان: Per Christian Hansen سری: Fundamentals of Algorithms 3 ISBN (شابک) : 9780898716184, 0898716187 ناشر: Society for Industrial and Applied Mathematic سال نشر: 2006 تعداد صفحات: 145 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Deblurring images: matrices, spectra, and filtering 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 تصاویر تک رنگ: ماتریس ها، طیف ها و فیلتر کردن 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.
تمرکز کتاب بر مشکلات تصویربرداری در میان کتابهای رقیب در مسائل معکوس و بد ارائه شده بسیار منحصر به فرد است. ... معرفی خوبی به دنیای متلب از تصاویر و مشکلات محو کننده می دهد. — مارتین هانکه، استاد، مؤسسه ریاضیات، دانشگاه یوهانس گوتنبرگ. وقتی از دوربین استفاده میکنیم، میخواهیم تصویر ضبطشده نمایش وفاداری از صحنهای باشد که میبینیم، اما هر تصویری کم و بیش تار است. در رفع تاری تصویر، هدف بازیابی تصویر اصلی و واضح با استفاده از یک مدل ریاضی فرآیند محو کردن است. مسئله کلیدی این است که برخی از اطلاعات مربوط به جزئیات از دست رفته واقعاً در تصویر تار وجود دارد، اما این اطلاعات "پنهان" تنها در صورتی قابل بازیابی است که جزئیات فرآیند محو شدن را بدانیم. تاریزدایی تصاویر: ماتریسها، طیفها و فیلتر کردن، الگوریتمها و تکنیکهای تاریزدایی را توصیف میکند که در مجموع به عنوان روشهای فیلتر طیفی شناخته میشوند، که در آن از تجزیه مقدار منفرد - یا تجزیه مشابه با ویژگیهای طیفی - برای معرفی منظمسازی یا فیلتر کردن لازم در تصویر بازسازیشده استفاده میشود. . پیاده سازی مختصر MATLAB® که در کتاب توضیح داده شده است، الگویی از تکنیک ها را ارائه می دهد که می تواند برای بازیابی تصاویر تار از بسیاری از برنامه ها استفاده شود. درمان این کتاب برای رفع تاری تصویر از دو جهت منحصر به فرد است: شامل جزئیات الگوریتمی و پیاده سازی است. و با حفظ فرمول ها از نظر ماتریس ها، بردارها و محاسبات ماتریسی، مطالب را در دسترس طیف وسیعی از خوانندگان قرار می دهد. دانشجویان و محققان مهندسی درک درستی از جبر خطی در پشت روشهای فیلتر به دست خواهند آورد، در حالی که خوانندگان در ریاضیات کاربردی، تجزیه و تحلیل عددی و علوم محاسباتی در معرض تکنیکهای مدرن برای حل مسائل واقعی در مقیاس بزرگ در پردازش تصویر قرار خواهند گرفت. با تمرکز بر الگوریتمهای کاربردی و کارآمد، تصاویر رفع تاری: ماتریسها، طیفها و فیلتر کردن شامل نمونههای بسیاری، دادههای تصویر نمونه و کدهای متلب است که به خوانندگان اجازه میدهد الگوریتمها را آزمایش کنند. همچنین حاوی مطالب مقدماتی مانند نحوه دستکاری تصاویر در محیط متلب است که آن را به یک متن مستقل تبدیل می کند. برای تکنیک هایی که در کتاب پوشش داده نشده اند، اشاره هایی به ادبیات ارائه شده است. مخاطبین این کتاب برای مبتدیان در زمینه بازسازی و تنظیم تصویر در نظر گرفته شده است. خوانندگان باید با مفاهیم اساسی جبر خطی و محاسبات ماتریسی، از جمله تجزیه ارزش منفرد و تبدیلهای متعامد آشنا باشند. پیشینه ای در پردازش سیگنال و آشنایی با روش های منظم سازی یا مشکلات نامناسب مورد نیاز نیست. برای خوانندگانی که قبلاً این دانش را دارند، این کتاب دیدگاهی جدید و عملی در مورد استفاده از روش های منظم سازی برای حل مشکلات واقعی ارائه می دهد. پیشگفتار؛ نحوه دریافت نرم افزار؛ فهرست نمادها؛ فصل 1: مشکل رفع تاری تصویر. فصل دوم: دستکاری تصاویر در متلب. فصل 3: تابع تاری. فصل 4: محاسبات ماتریس ساخت یافته. فصل 5: SVD و آنالیز طیفی. فصل 6: منظم سازی توسط فیلتر طیفی. فصل 7: تصاویر رنگی، هنجارهای هموارسازی، و موضوعات دیگر. پیوست: توابع متلب. کتابشناسی - فهرست کتب؛ فهرست مطالب.
“The book’s focus on imaging problems is very unique among the competing books on inverse and ill-posed problems. …It gives a nice introduction into the MATLAB world of images and deblurring problems.” — Martin Hanke, Professor, Institut für Mathematik, Johannes-Gutenberg-Universität. When we use a camera, we want the recorded image to be a faithful representation of the scene that we see, but every image is more or less blurry. In image deblurring, the goal is to recover the original, sharp image by using a mathematical model of the blurring process. The key issue is that some information on the lost details is indeed present in the blurred image, but this “hidden” information can be recovered only if we know the details of the blurring process. Deblurring Images: Matrices, Spectra, and Filtering describes the deblurring algorithms and techniques collectively known as spectral filtering methods, in which the singular value decomposition—or a similar decomposition with spectral properties—is used to introduce the necessary regularization or filtering in the reconstructed image. The concise MATLAB® implementations described in the book provide a template of techniques that can be used to restore blurred images from many applications. This book’s treatment of image deblurring is unique in two ways: it includes algorithmic and implementation details; and by keeping the formulations in terms of matrices, vectors, and matrix computations, it makes the material accessible to a wide range of readers. Students and researchers in engineering will gain an understanding of the linear algebra behind filtering methods, while readers in applied mathematics, numerical analysis, and computational science will be exposed to modern techniques to solve realistic large-scale problems in image processing. With a focus on practical and efficient algorithms, Deblurring Images: Matrices, Spectra, and Filtering includes many examples, sample image data, and MATLAB codes that allow readers to experiment with the algorithms. It also incorporates introductory material, such as how to manipulate images within the MATLAB environment, making it a stand-alone text. Pointers to the literature are given for techniques not covered in the book. Audience This book is intended for beginners in the field of image restoration and regularization. Readers should be familiar with basic concepts of linear algebra and matrix computations, including the singular value decomposition and orthogonal transformations. A background in signal processing and a familiarity with regularization methods or with ill-posed problems are not needed. For readers who already have this knowledge, this book gives a new and practical perspective on the use of regularization methods to solve real problems. Preface; How to Get the Software; List of Symbols; Chapter 1: The Image Deblurring Problem; Chapter 2: Manipulating Images in MATLAB; Chapter 3: The Blurring Function; Chapter 4: Structured Matrix Computations; Chapter 5: SVD and Spectral Analysis; Chapter 6: Regularization by Spectral Filtering; Chapter 7: Color Images, Smoothing Norms, and Other Topics; Appendix: MATLAB Functions; Bibliography; Index.