کتاب پردازش تصویر با استفاده از مدل های کارچ
درباره کتاب:
پردازش تصویر یکی از حوزههای مهم و روبهرشد در مهندسی کامپیوتر و علوم داده است که با هدف استخراج اطلاعات، تحلیل ویژگیها و بهبود کیفیت تصاویر، از روشها و مدلهای محاسباتی گوناگونی بهره میگیرد. از آنجا که تصاویر در بسیاری از کاربردهای واقعی دارای ماهیت تصادفی و ساختارهای آماری پیچیده هستند، استفاده از مدلهای آماری مناسب برای توصیف و تحلیل آنها اهمیت زیادی دارد.
کتاب «پردازش تصویر با استفاده از مدلهای کارچ» تألیف دکتر مریم امیرمزلقانی، عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر، به بررسی یکی از رویکردهای تخصصی مدلسازی آماری تصاویر و کاربردهای آن در مسائل مختلف پردازش تصویر میپردازد.
محور اصلی کتاب، استفاده از مدلهای خودرگرسیونی ناهمسانی واریانس شرطی تعمیمیافته (GARCH) برای مدلسازی ویژگیهای آماری تصاویر است. این مدلها که در ابتدا برای تحلیل سریهای زمانی توسعه یافتهاند، امکان بررسی تغییرات واریانس شرطی را فراهم میکنند. نویسنده با تبیین مبانی مدلهای ARCH و GARCH، ویژگیها و روشهای تخمین پارامترهای آنها را معرفی کرده و سپس نحوه تعمیم این مدلها به ساختار دوبعدی تصاویر را توضیح میدهد. همچنین تبدیلهای چندمقیاسهای مانند موجک، کرولت و کانتورلت بهعنوان ابزارهایی برای تحلیل تصاویر در حوزه تبدیل بررسی میشوند.
در ادامه، کاربرد مدلهای کارچ در مسائل مهم پردازش تصویر مورد توجه قرار میگیرد. حذف نویزهای جمعشونده و ضربشونده، اختفای اطلاعات، نقشابزنی و نهاننگاری تصاویر، نهانکاوی و تشخیص ناهنجاری از جمله موضوعات اصلی کتاب هستند. در این مباحث، روشهای مختلف مدلسازی دوبعدی و سهبعدی گارچ و ترکیب آنها با تبدیلهای چندمقیاسه معرفی و بررسی میشوند. همچنین نتایج آزمایشها، محدودیتهای روشهای موجود و پیشنهادهایی برای توسعه پژوهشها ارائه شدهاند.
این اثر علاوه بر آموزش مبانی نظری، با گردآوری و تحلیل روشهای پژوهشی مرتبط، مسیرهای تازهای برای استفاده از مدلهای آماری در پردازش تصویر پیشنهاد میکند. کتاب برای دانشجویان تحصیلات تکمیلی، پژوهشگران و متخصصان مهندسی کامپیوتر، پردازش تصویر، پردازش سیگنال و مدلسازی آماری منبعی تخصصی و ارزشمند است.
شما عزیزان میتوانید این کتاب و دیگر کتب موجود در این زمینه را از فروشگاه آنلاین سروشگان به آسانی خریداری کنید.


نقد و بررسیها
هنوز بررسیای ثبت نشده است.