"《图像处理与模式识别：理论、方法和实践》共三部分，分别介绍实践环境、图像处理实践和模式识别实践。第I部分介绍实践需要的硬件环境和软件环境，旨在帮助读者了解硬件环境和掌握编程能力。第II部分探讨数字图像处理，包含基本操作、几何变换、图像滤波、边缘检测、特征提取等，旨在帮助读者掌握图像处理技能。第III部分探讨模式识别，涵盖多个应用案例，包括人脸识别、目标跟踪、文本识别、条形码/二维码识别和基于视觉的机械臂等，每个操作案例都包括理论基础和实现过程。《图像处理与模式识别：理论、方法和实践》适用于通信

本书介绍了Python信号处理工具箱的体系架构及其函数和实例。本书共8章，主要包括数字信号处理概况，Python编程基础，信号生成和预处理，测量和特征提取，变换，相关性和建模，数字和模拟滤波器，频谱分析等内容。为了便于读者学习使用和参考，书中提供了较完整的原理方法介绍和计算推导实例。

本书主要介绍函数逼近理论与小波框架理论方法。全书共6章。第1章介绍求解lp（0≤p≤1）优化模型的几个基本核心概念，限制等距性质（RIP）、零空间性质（NSP）以及矩阵相互相干性（MC）条件等，也介绍作者们解决的关于RIP最优上界的一个猜想；第2章通过给出构造确定性测量矩阵的方法，介绍作者们解决的lo优化模型及其求解算法中的两个公开问题；第3章介绍冗余字典下的压缩感知理论；第4章介绍压缩采样下的信号分离理论与重构算法，其中包括作者们解决的一个公开问题；第5章介绍One-bit压缩感知的几个重要理

本书是作者在积累多年科研成果的基础上撰写而成的，详细介绍风格迁移领域中的一些算法设计和模型，涉及铅笔画风格实现、图像上色、云南重彩画的数字模拟和合成以及云南重彩画风格化绘制等技术。本书包含4种不同的风格迁移算法，模型构建思路和实现步骤详细透彻。本书立足于图像风格迁移这一大的研究领域，结合作者多年的科研工作经验，本书面向对风格迁移这一研究方向感兴趣的读者，会起到很好的参考作用，帮助读者了解相关风格的迁移算法和设计思路。

本书主要介绍空间辐射环境下互连线的串扰效应，内容涵盖了互连线的基础理论、寄生参数提取、等效模型建立、串扰机理分析、串扰效应对单粒子效应的影响、基于导纳规则的单粒子串扰建模分析、单粒子串扰的分布参数建模分析、碳纳米材料互连线的单粒子串扰效应等，给出了单粒子瞬态的等效电路及高阶互连系统的简化方法和思路。此外，对两线和多线互连系统的单粒子串扰的解析模型、温度对单粒子串扰的影响、串扰效应对电路可靠性的量化等进行了分析和讨论，给出了数字电路在单粒子翻转和单粒子瞬态下的软错误率评估方法。

"《计算机视觉之PyTorch数字图像处理》以数字图像处理为主题，在详细介绍数字图像处理主流算法的基础上，配合丰富的实战案例，用PyTorch深度学习框架对相关算法进行应用实践。本书一方面从张量的维度对经典数字图像处理算法进行详细的介绍，另一方面从深度学习的维度对图像分类、图像分割和图像检测进行细致的讲解，从而帮助读者较为系统地掌握数字图像处理的相关理论知识和实际应用。《计算机视觉之PyTorch数字图像处理》分为3篇，共11章。第1篇图像处理基础知识，包括计算机视觉与数字图像概述、搭建开发环境

"本书是一本介绍数字图像处理入门与基础的图书。数字图像处理已经融入日常生活中，其重要性不言自明。本书以现代数字图像处理发展的**理论为基础，以当前***的Python编程语言作为工具，借助NumPy、Pillow和Matplotlib等库，以理论和实践相结合，二者并重的形式介绍数字图像处理。本书共9章，其中数字图像处理简介、开发环境搭建、初识数字图像处理、NumPy基础等章节，重在介绍图像处理的相关背景和基础知识；图像点运算、图像邻域运算和图像全局运算等章节是本书的重点，按照图像处理过程中参与运

图像先验的数学建模是最经典的图像先验的利用方法。它不仅反映了人们想了解事物背后原理的渴望，也是诸多对可靠性与稳健性有高要求的实际应用的需求。本书展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架，相信能够对领域的发展有一定的助力，同时也能给读者带来新的启发。本书适合数学类、计算机类专业高年级本科生和研究生阅读，也适合具备相关数学、编程基础的研究、开发人员阅读，亦可为数字人文领域的学者提供一定的参考和借鉴。

本书在2019年出版的《数字图像处理及MATLAB实现（第3版）》基础上，结合当今机器学习算法的最新发展，修改、补充和完善而成。书中主要介绍了数字图像处理的基础知识、基本方法、程序实现和典型实践应用。全书分为三个部分，共12章。第一部分（第1～4章）介绍数字图像处理的基础知识；第二部分（第5～8章）介绍数字图像处理的各种技术；第三部分（第9～12章）介绍数字图像处理的扩展内容，包括基于深度学习的图像处理技术和工程应用案例等。每章分别介绍问题的背景、基本内容和方法、实践应用（通过MATLAB软件编

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