基于学习与调制的图像重建——超分辨率、光谱成像与相干显微

本书介绍了克服图像重建在数学上的病态性的两条有效途径：基于学习的图像先验规整化与基于编码孔径的调制成像。书中以超分辨率重建、压缩光谱成像和X射线相干显微为例，详细闸述了学习与调制方法在不同成像模态下的建模方法、算法设计以及实验结果。
本书第1～4章涵盖了超分辨率重建概述、盲超分辨率的多通道信号处理方法、基于特征子空间学习的人脸超分辨率以及基于自适应流形学习的人脸超分辨率等内容。第5～8章介绍了压缩光谱层析成像原理、编码孔径调制方法以及卷积字典学习在图像修复与压缩光谱图像重建中的应用。第9章介绍了基于扩频相位调制的X射线显微成像中的相位复原方法。书末附录给出了各章内容所涉及的一些基本数学知识与工具。
本书各章内容自成体系，注重基于物理原理的数学建模与算法设计介绍，可作为电子信息、计算机科学与技术、光学工程等相关专业的科研人员、工程技术人员、研究生和高年级本科生的学习和参考用书。

第1章 图像超分辨率重建概述
1.1 图像复原与Tsai和Huang的开创性工作
1.1.1 图像退化模型的一些基本知识
1.1.2 图像复原的基本方法
1.1.3 Tsai和Huang的开创性工作
1.2 超分辨率重建算法综述
1.2.1 超分辨率成像模型
1.2.2 基于重建约束的方法
1.2.3 基于学习的方法
1.3 研究方向
第2章 多通道信号处理框架下的盲超分辨率
2.1 相关工作
2.2 符号与定义
2.3 观察模型
2.3.1 连续模型
2.3.2 离散模型
2.4 模糊辨识
2.4.1 模糊的子空间约束
2.4.2 快速算法
2.4.3 模糊核尺寸估计
2.5 盲超分辨率算法
2.6 实验结果与分析
2.6.1 合成图像测试
2.6.2 真实图像测试
2.7 本章小结
第3章 特征子空间规整化的人脸图像超分辨率重建
3.1 相关工作
3.2 成像模型
3.3 图像的先验模型
3.4 MAP框架下的超分辨率重建
3.4.1 算法1
3.4.2 算法2
3.4.3 算法3
3.4.4 三种算法的比较
3.4.5 自适应规整化参数计算
3.5 实验结果与分析
3.5.1 重建与配准结果的量化指标
3.5.2 视觉评判
3.6 本章小结
3.7 本章附录：雅克比矩阵的推导
第4章 人脸图像超分辨率的自适应流形学习方法
4.1 相关工作
4.2 自适应学习方法框架
4.3 局部保持投影
4.3.1 LPP算法
4.3.2 LPP中的数值计算问题
4.4 人脸局部结构流形分析与聚类——自适应样本选择方法
4.5 基于特征变换的超分辨率重建
4.5.1 基于特征变换的高频信息重建
4.5.2 人脸图像块的超分辨率重建与合成
4.6 实验结果与分析
4.6.1 人脸图像库
4.6.2 重建效果比较Ⅰ：局部重建与全局重建
4.6.3 重建效果比较Ⅱ：自适应样本选择、随机样本选择与使用全体样本
4.7 本章小结
第5章 基于压缩感知理论的光谱层析成像重建
5.1 传统光谱成像方法中的数据与感知维度失配问题
5.2 瞬态光谱成像方法回顾
5.3 基于压缩感知理论的光谱层析成像重建
5.3.1 相关工作
5.3.2 压缩光谱层析成像模型
5.3.3 傅里叶域中的快速重建算法
5.3.4 实验结果
5.4 本章小结
……
第6章 编码孔径压缩光谱层析成像
第7章 基于PADMM的快速卷积字典学习与图像修复
第8章 基于卷积字典学习的压缩光谱层析重建
第9章 基于扩频相位调制的相干X射线衍射成像
附录 图像重建的数学工具
参考文献