智能媒体信息处理

得益于深度学习的发展 与应用，不同的深度学习框 架在图像增强等领域展现出 了更优于传统方法的性能。 本书是我们基于深度学习技 术对媒体主要的载体——图 像从图像增强、图像质量评 价、图像情感识别、图像水 印四个方面所进行的最新研 究进展汇总。希望读者通过 阅读此书得到一定的收获， 以此对智能媒体技术产生浓 厚的学习兴趣并积极投身到 媒体技术的科研活动中来。 本书可作为普通高校新 媒体技术、计算机科学技术 与应用、人工智能等专业“ 新媒体技术”或“图像处理技 术与分析”课程的教材，也 可作为图像处理与分析行业 技术与管理人员的参考书。

第1单元 图像增强 第1章 图像增强概述 1.1 研究背景及研究意义 1.2 国内外研究现状 第2章 基于深度学习的真实彩色图像增强基本理论 2.1 基于深度学习的图像增强相关理论 2.2 迁移学习相关理论 2.3 真实彩色图像底层质量指标影响机制 2.4 深度强化学习相关理论 2.5 本章小结 第3章 基于深度残差学习和多损失函数的图像去噪算法研究 3.1 研究思路 3.2 算法设计 3.2.1 空洞卷积层 3.2.2 基于多级残差的链式网络 3.2.3 联合损失函数 3.3 实验结果与分析 3.3.1 数据集和评价指标 3.3.2 实验参数设置 3.3.3 层数选择分析 3.3.4 模块数选择分析 3.3.5 结果分析 3.4 本章小结 第4章 基于注意力机制和生成对抗网络的低照度图像增强算法 4.1 基于注意力机制和生成对抗网络的低照度图像增强算法设计 4.1.1 算法框架 4.1.2 损失函数设计 4.2 实验结果与分析 4.2.1 数据库 4.2.2 实验设置 4.2.3 实验结果与分析 4.3 本章小结 第5章 基于颜色恒常性的低照度图像增强颜色保真算法研究 5.1 基于比率图的卷积神经网络设计 5.1.1 算法框架 5.1.2 损失函数设计 5.2 实验结果 5.2.1 实验设置 5.2.2 实验结果与分析 5.3 本章小结 第6章 基于图像底层质量指标的真实彩色图像增强算法 6.1 基于深度强化学习的真实彩色图像噪声／模糊增强 6.1.1 奖励函数 6.1.2 深度强化学习与增强动作 6.2 基于模型的迁移学习的真实彩色图像对比度与亮度／颜色增强 6.2.1 真实彩色图像对比度增强 6.2.2 真实彩色图像颜色／亮度增强 6.3 实验结果与分析 6.3.1 实验数据集与评价方法 6.3.2 实验环境