دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Sparse Image and Signal Processing: Wavelets and Related Geometric Multiscale Analysis
دانلود کتاب پردازش تصویر و سیگنال پراکنده: موجبرها و تجزیه و تحلیل چند مقیاسی هندسی مرتبط
مشخصات کتاب
Sparse Image and Signal Processing: Wavelets and Related Geometric Multiscale Analysis
ویرایش: 2 نویسندگان: Jean-Luc Starck, Fionn Murtagh, Jalal Fadili سری: ISBN (شابک) : 1107088062, 9781107088061 ناشر: Cambridge University Press سال نشر: 2015 تعداد صفحات: 449 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 35 مگابایت
قیمت کتاب (تومان) : 50,000
کلمات کلیدی مربوط به کتاب پردازش تصویر و سیگنال پراکنده: موجبرها و تجزیه و تحلیل چند مقیاسی هندسی مرتبط: گرافیک و طراحی، Adobe، CAD، مدل سازی کامپیوتر، انتشارات دسکتاپ، اسناد الکترونیکی، رندر و ردیابی اشعه، تجربه و قابلیت استفاده کاربر، کامپیوتر و فناوری، گرافیک و چند رسانه ای، DirectX، فلش، GIS، OpenGL، Solid Works، برنامه نویسی، کامپیوتر و فناوری، سیستم های تصویربرداری، مدل سازی کامپیوتر، مهندسی، مهندسی و حمل و نقل، گرافیک و تجسم، علوم کامپیوتر، کتاب های درسی جدید، مستعمل و اجاره، بوتیک تخصصی
در صورت تبدیل فایل کتاب Sparse Image and Signal Processing: Wavelets and Related Geometric Multiscale Analysis 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 پردازش تصویر و سیگنال پراکنده: موجبرها و تجزیه و تحلیل چند مقیاسی هندسی مرتبط 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 پردازش تصویر و سیگنال پراکنده: موجبرها و تجزیه و تحلیل چند مقیاسی هندسی مرتبط
این نسخه جدید کاملاً به روز شده، پردازش سیگنال و تصویر کم و چند مقیاسی را ارائه می دهد. این تبدیل‌های هندسی چند مقیاسی خطی مانند تبدیل موجک، رجلت یا منحنی و تبدیل‌های چند مقیاسی غیرخطی بر اساس عملگرهای ریخت‌شناسی میانه و ریاضی را پوشش می‌دهد. همراه با شرح دقیق محاسبات مورد نیاز، آخرین نتایج را در حل معکوس و منظم‌سازی مسئله، تجزیه سیگنال پراکنده، جداسازی منبع کور، نقاشی درون‌رنگ و سنجش فشرده پوشش می‌دهد. فصل‌ها و بخش‌های جدید تبدیل‌های هندسی چند مقیاسی برای داده‌های سه‌بعدی (مکعب‌های داده)، داده‌های کره (داده‌های موقعیت‌یافته)، یادگیری فرهنگ لغت، و فاکتورسازی ماتریس غیرمنفی را پوشش می‌دهند. نویسندگان نظریه و عمل را در بررسی کاربردها در زمینه‌هایی مانند نجوم، از جمله نتایج اخیر از مأموریت هرشل آژانس فضایی اروپا، زیست‌شناسی، فیزیک همجوشی، شبیه‌سازی ماده تاریک سرد، MRI پزشکی، رسانه‌های دیجیتال و پزشکی قانونی با یکدیگر پیوند زدند. کد MATLAB و IDL که به صورت آنلاین در www.SparseSignalRecipes.info موجود است، این روش ها و همه برنامه ها را همراهی می کند.
توضیحاتی درمورد کتاب به خارجی
This thoroughly updated new edition presents state of the art sparse and multiscale image and signal processing. It covers linear multiscale geometric transforms, such as wavelet, ridgelet, or curvelet transforms, and non-linear multiscale transforms based on the median and mathematical morphology operators. Along with an up-to-the-minute description of required computation, it covers the latest results in inverse problem solving and regularization, sparse signal decomposition, blind source separation, in-painting, and compressed sensing. New chapters and sections cover multiscale geometric transforms for three-dimensional data (data cubes), data on the sphere (geo-located data), dictionary learning, and nonnegative matrix factorization. The authors wed theory and practice in examining applications in areas such as astronomy, including recent results from the European Space Agency's Herschel mission, biology, fusion physics, cold dark matter simulation, medical MRI, digital media, and forensics. MATLAB® and IDL code, available online at www.SparseSignalRecipes.info, accompany these methods and all applications.
فهرست مطالب
Content: Introduction to the world of sparsity --
The wavelet transform --
Redundant wavelet transform --
Nonlinear multiscale transforms --
Multiscale geometric transforms --
Sparsity and noise removal --
Linear inverse problems --
Morphological diversity --
Sparse blind source separation --
Dictionary learning --
Three-dimensional sparse representations --
Multiscale geometric analysis on the sphere --
Compressed sensing --
This book\'s take home message.
