基于Python的深度学习图像处理

本书是一本具有实践导向性的教材，主要面向 信息工程专业的学生和从事图像处理的读者。本书 以图像处理技术为主线，介绍了深度学习在图像处 理中的理论和应用。 本书的核心内容涵盖了深度学习的各个层面， 包括设计卷积神经网络的基础知识、低阶和高阶图 像处理任务的实现等。这些内容不仅包含理论介绍 ，还包括大量的实例代码，使用Python语言及当前 流行的深度学习环境，帮助读者理解和实践深度学 习在图像处理中的应用。在低阶图像处理任务部分 ，本书详细介绍了图像去噪、去模糊、增强和超分 辨率重建等任务。在高阶图像处理任务部分，读者 将学习到如何使用深度学习方法进行图像分类、目 标检测、语义分割和实例分割等。 本书旨在通过理论介绍与实践案例相结合的方 式，帮助读者更好地理解并掌握深度学习在图像处 理领域的应用，是一本理论与实践并重、实用性强 的教材。

前言 第1章 数字图像处理概述 1.1 数字图像处理的基本概念 1.2 数字图像处理系统的组成 1.3 数字图像处理的应用 1.4 数字图像处理任务的层次划分 本章总结 习题 第2章 Python语言编程基础 2.1 Python语言简介 2.2 Python语言的基本语法 2.2.1 Python语言的基本编程语法 2.2.2 Python语言的基本流程控制 2.2.3 Python语言的内置库和函数 2.2.4 Python语言的面向对象 2.2.5 Python语言的异常处理 2.2.6 Python语言的IO处理 2.3 Python-OpenCV的应用 2.3.1 Python-OpenCV简介 2.3.2 Python-OpenCV的基本图像处理操作 本章总结 习题 第3章 深度学习图像处理技术基础 3.1 深度学习的基本概念 3.2 卷积神经网络的基本构成及Python实现 3.2.1 卷积神经网络的基本构成 3.2.2 几种典型的卷积神经网络 3.2.3 卷积神经网络的训练与测试 3.3 深度学习图像处理平台搭建 3.4 实例：基于深度学习的手写数字识别 本章总结 习题 第4章 基于深度学习的图像去噪 4.1 图像去噪概述 4.2 基于深度学习的图像去噪网络的发展 4.3 实例：基于深度学习的图像去噪网络FFDNet 4.3.1 FFDNet简介 4.3.2 FFDNet的结构与工作原理 4.3.3 FFDNet的训练与测试 4.3.4 FFDNet图像去噪测试结果分析 本章总结 习题 第5章 基于深度学习的图像去模糊 5.1 图像去模糊概述 5.2 基于深度学习的图像去模糊的发展 5.3 实例：基于深度学习的图像去模糊网络DeblurGAN-v 5.3.1 DeblurGAN-v2简介 5.3.2 DeblurGAN-v2的结构与工作原理 5.3.3 DeblurGAN-v2的训练与测试 5.3.4 DeblurGAN-v2图像去模糊测试结果分析