برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Sparse Representations and Compressive Sensing for Imaging and Vision

دانلود کتاب نمایندگی های انعطاف پذیر و حساسیت فشرده سازی برای تصویربرداری و دید

مشخصات کتاب

Sparse Representations and Compressive Sensing for Imaging and Vision

دسته بندی: موجک و پردازش سیگنال
ویرایش: 2013 
نویسندگان: Vishal M. Patel,  Rama Chellappa  
سری: SpringerBriefs in Electrical and Computer Engineering 
ISBN (شابک) : 1461463807, 9781461463801 
ناشر: Springer 
سال نشر: 2013 
تعداد صفحات: 113 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 37,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 11

در صورت تبدیل فایل کتاب Sparse Representations and Compressive Sensing for Imaging and Vision 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 نمایندگی های انعطاف پذیر و حساسیت فشرده سازی برای تصویربرداری و دید 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 نمایندگی های انعطاف پذیر و حساسیت فشرده سازی برای تصویربرداری و دید

سنجش فشرده یا سنجش فشرده مفهومی جدید در پردازش سیگنال است که در آن تعداد کمی از ترکیبات خطی غیرتطبیقی سیگنال را اندازه گیری می کنیم. این اندازه‌گیری‌ها معمولاً بسیار کمتر از تعداد نمونه‌هایی هستند که سیگنال را تعریف می‌کنند. از این تعداد کمی اندازه گیری، سیگنال سپس با روش غیر خطی بازسازی می شود. سنجش فشرده اخیراً به عنوان یک ابزار قدرتمند برای پردازش کارآمد داده ها به روش های غیر سنتی ظاهر شده است. در این کتاب، ما برخی از بینش‌های ریاضی کلیدی را در زمینه نمایش پراکنده و حس فشرده برجسته می‌کنیم و نقش این نظریه‌ها را در مشکلات بینایی، تصویربرداری و بیومتریک کلاسیک نشان می‌دهیم. فهرست مطالب پوشش نمایش های پراکنده و سنجش فشاری برای تصویربرداری و بینایی شابک 9781461463801 شابک 9781461463818 سپاسگزاریها فهرست فصل 1 مقدمه 1.1 طرح کلی فصل 2 سنجش فشاری 2.1 پراکندگی 2.2 نمونه گیری غیر منسجم 2.3 بازیابی 2.3.1 CS قوی o 2.3.1.1 انتخابگر Dantzig 2.3.2 الگوریتم های بازیابی CS o 2.3.2.1 الگوریتم های آستانه تکرار شونده o 2.3.2.2 تعقیب حریص o 2.3.2.3 الگوریتم های دیگر 2.4 ماتریس های سنجش 2.5 نمودارهای انتقال فاز 2.6 مثال های عددی فصل 3 اکتساب فشاری دوربین 3.1 تک پیکسل 3.2 تصویربرداری تشدید مغناطیسی فشاری 3.2.1 تخمین گرادیان تصویر 3.2.2 بازسازی تصویر از گرادیان 3.2.3 مثال های عددی 3.3 تصویربرداری رادار دیافراگم مصنوعی فشرده 3.3.1 کم نمونه گیری با زمان آهسته 3.3.2 بازسازی تصویر 3.3.3 مثال های عددی 3.4 تصویربرداری موج میلی متری غیرفعال فشرده 3.4.1 سیستم تصویربرداری موج میلیمتری 3.4.2 تصویربرداری تسریع شده با عمق میدان گسترده 3.4.3 نتایج تجربی 3.5 سنجش انتقال نور فشرده فصل 4 سنجش فشاری برای بینایی 4.1 ردیابی هدف فشرده 4.1.1 سنجش فشاری برای تفریق پس‌زمینه 4.1.2 سنجش فشاری فیلتر شده کالمن 4.1.3 کدگذاری و تحلیل ویدئو فشرده مشترک 4.1.4 سنجش فشرده برای ردیابی چند نمایش 4.1.5 فیلتر ذرات فشرده 4.2 پردازش فشرده ویدئو 4.2.1 سنجش فشرده برای فیلم های پرسرعت دوره ای 4.2.2 دوربین فشرده پیکسل قابل برنامه ریزی برای تصویربرداری با سرعت بالا 4.2.3 اکتساب فشرده بافت های پویا o 4.2.3.1 بافت های پویا و سیستم های دینامیکی خطی o 4.2.3.2 اکتساب فشاری LDS o 4.2.3.3 نتایج تجربی 4.3 شکل از گرادیان 4.3.1 ادغام گرادیان پراکنده 4.3.2 مثال های عددی فصل 5 تشخیص شیء مبتنی بر نمایش پراکنده 5.1 نمایندگی پراکنده 5.2 طبقه بندی بر اساس نمایش پراکنده 5.2.1 شناسایی قوی بیومتریک با استفاده از نمایش پراکنده 5.3 نمایش پراکنده هسته غیر خطی 5.3.1 کدگذاری پراکنده هسته 5.3.2 تطبیق متعامد هسته 5.3.3 هسته همزمان تعقیب متعامد 5.3.4 نتایج تجربی 5.4 بازنمایی پراکنده چند متغیره چندوجهی 5.4.1 بازنمایی پراکنده چند متغیره چندوجهی 5.4.2 بازنمایی پراکنده چند متغیره چندوجهی قوی 5.4.3 نتایج تجربی o 5.4.3.1 پیش پردازش o 5.4.3.2 استخراج ویژگی o 5.4.3.3 تنظیم آزمایشی 5.5 تشخیص چندوجهی فضای هسته 5.5.1 نمایش پراکنده هسته چند متغیره 5.5.2 نمایش پراکنده هسته مرکب 5.5.3 نتایج تجربی فصل 6 آموزش فرهنگ لغت 6.1 الگوریتم های یادگیری فرهنگ لغت 6.2 یادگیری دیکشنری متمایز 6.3 یادگیری فرهنگ لغت هسته غیر خطی فصل 7 نکات پایانی منابع

توضیحاتی درمورد کتاب به خارجی

Compressed sensing or compressive sensing is a new concept in signal processing where one measures a small number of non-adaptive linear combinations of the signal. These measurements are usually much smaller than the number of samples that define the signal. From these small numbers of measurements, the signal is then reconstructed by non-linear procedure. Compressed sensing has recently emerged as a powerful tool for efficiently processing data in non-traditional ways. In this book, we highlight some of the key mathematical insights underlying sparse representation and compressed sensing and illustrate the role of these theories in classical vision, imaging and biometrics problems. Table of Contents Cover Sparse Representations and Compressive Sensing for Imaging and Vision ISBN 9781461463801 ISBN 9781461463818 Acknowledgements Contents Chapter 1 Introduction 1.1 Outline Chapter 2 Compressive Sensing 2.1 Sparsity 2.2 Incoherent Sampling 2.3 Recovery 2.3.1 Robust CS o 2.3.1.1 The Dantzig selector 2.3.2 CS Recovery Algorithms o 2.3.2.1 Iterative Thresholding Algorithms o 2.3.2.2 Greedy Pursuits o 2.3.2.3 Other Algorithms 2.4 Sensing Matrices 2.5 Phase Transition Diagrams 2.6 Numerical Examples Chapter 3 Compressive Acquisition 3.1 Single Pixel Camera 3.2 Compressive Magnetic Resonance Imaging 3.2.1 Image Gradient Estimation 3.2.2 Image Reconstruction from Gradients 3.2.3 Numerical Examples 3.3 Compressive Synthetic Aperture Radar Imaging 3.3.1 Slow-time Undersampling 3.3.2 Image Reconstruction 3.3.3 Numerical Examples 3.4 Compressive Passive Millimeter Wave Imaging 3.4.1 Millimeter Wave Imaging System 3.4.2 Accelerated Imaging with Extended Depth-of-Field 3.4.3 Experimental Results 3.5 Compressive Light Transport Sensing Chapter 4 Compressive Sensing for Vision 4.1 Compressive Target Tracking 4.1.1 Compressive Sensing for Background Subtraction 4.1.2 Kalman Filtered Compressive Sensing 4.1.3 Joint Compressive Video Coding and Analysis 4.1.4 Compressive Sensing for Multi-View Tracking 4.1.5 Compressive Particle Filtering 4.2 Compressive Video Processing 4.2.1 Compressive Sensing for High-Speed Periodic Videos 4.2.2 Programmable Pixel Compressive Camerafor High Speed Imaging 4.2.3 Compressive Acquisition of Dynamic Textures o 4.2.3.1 Dynamic Textures and Linear Dynamical Systems o 4.2.3.2 Compressive Acquisition of LDS o 4.2.3.3 Experimental Results 4.3 Shape from Gradients 4.3.1 Sparse Gradient Integration 4.3.2 Numerical Examples Chapter 5 Sparse Representation-based Object Recognition 5.1 Sparse Representation 5.2 Sparse Representation-based Classification 5.2.1 Robust Biometrics Recognitionusing Sparse Representation 5.3 Non-linear Kernel Sparse Representation 5.3.1 Kernel Sparse Coding 5.3.2 Kernel Orthogonal Matching Pursuit 5.3.3 Kernel Simultaneous Orthogonal Matching Pursuit 5.3.4 Experimental Results 5.4 Multimodal Multivariate Sparse Representation 5.4.1 Multimodal Multivariate Sparse Representation 5.4.2 Robust Multimodal Multivariate Sparse Representation 5.4.3 Experimental Results o 5.4.3.1 Preprocessing o 5.4.3.2 Feature Extraction o 5.4.3.3 Experimental Set-up 5.5 Kernel Space Multimodal Recognition 5.5.1 Multivariate Kernel Sparse Representation 5.5.2 Composite Kernel Sparse Representation 5.5.3 Experimental Results Chapter 6 Dictionary Learning 6.1 Dictionary Learning Algorithms 6.2 Discriminative Dictionary Learning 6.3 Non-Linear Kernel Dictionary Learning Chapter 7 Concluding Remarks References

فهرست مطالب

Front Matter....Pages i-x
Introduction....Pages 1-2
Compressive Sensing....Pages 3-15
Compressive Acquisition....Pages 17-40
Compressive Sensing for Vision....Pages 41-61
Sparse Representation-based Object Recognition....Pages 63-84
Dictionary Learning....Pages 85-92
Concluding Remarks....Pages 93-94
Back Matter....Pages 95-102