图像画质算法与底层视觉技术

本书主要介绍了图像画 质相关的各类底层视觉任务 及其相关算法，重点讲解了 去噪、超分辨率、去雾、高 动态范围、图像合成与图像 和谐化、图像增强与图像修 饰等多种类型的基础任务的 设定及其对应的经典算法和 模型。本书讨论了底层视觉 任务的基本特征，并从成像 过程及图像处理的基础知识 出发，系统分析了不同任务 下的退化机制，以及对应的 算法设计原则。本书在算法 选择上兼顾了经典的传统图 像算法及当前较新的人工智 能模型算法，可以作为从图 像处理领域或者深度学习领 域进入底层计算机视觉领域 进行学习的读者的基础读物 。 本书主要面向的读者群 体包括深度学习与计算机视 觉行业的从业人员，计算机 、人工智能及其相关专业方 向的学生，图像处理相关技 术的爱好者与学习者。

贾壮，毕业于清华大学自动化系，专业为模式识别与智能系统方向。主要从事于机器学习与深度学习在图像处理以及地球物理领域内的相关应用研究，对机器学习相关算法有较深的理解。参与过多项机器学习相关工程项目，发表SCI期刊论文及会议论文数篇。曾获得国家奖学金、数学建模一等奖、优秀毕业生等奖项和荣誉称号。

第1章 画质算法与底层视觉概述 1.1 画质算法的主要任务 1.1.1 画质算法定义及其主要类别 1.1.2 画质问题的核心：退化 1.2 基于深度学习的底层视觉技术 1.2.1 深度学习与神经网络 1.2.2 底层视觉任务的特点 第2章 画质处理的基础知识 2.1 光照与成像 2.1.1 视觉与光学成像 2.1.2 Bayer阵列与去马赛克 2.1.3 相机图像信号处理的基本流程 2.2 色彩与颜色空间 2.2.1 人眼色觉与色度图 2.2.2 常见的颜色空间 2.3 图像的影调调整方法 2.3.1 直方图与对比度 2.3.2 对比度拉伸与直方图均衡 2.3.3 对比度增强算法的改进策略 2.4 图像常见的空间操作 2.4.1 基本图像变换：仿射变换与透视变换 2.4.2 光流与帧间对齐 2.5 图像的频域分析与图像金字塔 2.5.1 傅里叶变换与频域分析 2.5.2 自然图像的频域统计特性 2.5.3 图像金字塔：高斯金字塔与拉普拉斯金字塔 第3章 图像与视频去噪算法 3.1 噪声的来源与数学模型 3.1.1 图像噪声的物理来源 3.1.2 噪声的数学模型 3.2 去噪算法的难点与策略 3.2.1 去噪算法的难点 3.2.2 盲去噪与非盲去噪 3.2.3 高斯去噪与真实噪声去噪 3.2.4 去噪算法的评价指标 3.3 传统去噪算法 3.3.1 空域滤波：均值、高斯与中值滤波器 3.3.2 非局部均值算法 3.3.3 小波变换去噪算法 3.3.4 双边滤波与导向滤波 3.3.5 BM3D滤波算法 3.4 深度学习去噪算法 3.4.1 深度残差去噪网络DnCNN和FFDNet 3.4.2 噪声估计网络去噪：CBDNet 3.4.3 小波变换与神经网络的结合：MWCNN 3.4.4 视频去噪：DVDNet和FastDVDNet 3.4.5 基于Transformer的去噪方法：IPT与SwinIR 3.4.6 自监督去噪算法：Noise2Noise、Noise2Void与DIP 3.4.7 Raw域去噪策略与算法：Unprocess与CycleISP 第4章 图像与视频超分辨率