圖像處理技術(shù)在安防、交通、醫(yī)學、自然資源、農(nóng)業(yè)、環(huán)保、智能駕駛、工業(yè)、電子商務(wù)等領(lǐng)域都有著廣泛的應(yīng)用，尤其在目前各種深度學習技術(shù)的推動下，基于圖像的應(yīng)用不斷深入，應(yīng)用領(lǐng)域越來越廣。在基于圖像訓練深度學習模型時，需要獲取高質(zhì)量的樣本圖像，圖像的質(zhì)量會直接影響模型的精度。因此，掌握樣本圖像的關(guān)鍵處理技術(shù)是構(gòu)建高精度深度學習模型的前提和關(guān)鍵。本書首先簡要介紹圖像處理技術(shù)，以及深度學習在圖像領(lǐng)域中的應(yīng)用；接著對深度學習在圖像處理中的應(yīng)用技術(shù)進行詳細介紹，包括圖像陰影檢測、圖像陰影去除、圖像噪聲處理、圖像勻光和勻色等內(nèi)容；然后對基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建方法進行講解；最后以基于深度學習的紅樹林提取和屋頂提取與綠化評價為例，詳細講解深度學習在圖像處理中的應(yīng)用。本書旨在幫助讀者掌握圖像處理與深度學習中的關(guān)鍵技術(shù)和方法流程，為基于深度學習的各種圖像應(yīng)用奠定基礎(chǔ)，提升讀者對深度學習模型的應(yīng)用能力。
本書作者長期從事遙感圖像超分辨率重建、機器學習、網(wǎng)絡(luò)地理信息系統(tǒng)、三維建模、高性能空間計算等計算機和3S交叉學科方向的理論方法研究、教學與應(yīng)用開發(fā)工作，已有十多年的科研經(jīng)驗和應(yīng)用開發(fā)基礎(chǔ)，為本書的編寫打下了扎實的知識基礎(chǔ)。本書涵蓋了圖像處理與深度學習中的常見算法和模型，按照深度學習樣本圖像處理的需求逐步進行講解，內(nèi)容安排循序漸進，可以使讀者更容易掌握相關(guān)的知識點。同時，本書還對基于深度學習的圖像目標檢測與提取應(yīng)用案例進行精講，以便讀者能夠更加深入地學習圖像領(lǐng)域中的深度學習技術(shù)。
本書面向計算機視覺、模式識別、圖像處理與深度學習等相關(guān)領(lǐng)域工作者，內(nèi)容由淺入深、循序漸進，既有詳盡的算法原理闡述，又有豐富的結(jié)果圖形展示，可以使讀者更加容易、快速、全面地掌握常用的圖像處理算法。對于初學者來說，本書沒有任何門檻，初學者只需要按部就班地跟著本書學習即可。無論讀者是否有圖像處理的經(jīng)驗，都可以借助本書來系統(tǒng)地了解和掌握深度學習中的樣本圖像處理技術(shù)知識點，為基于深度學習的圖像處理與行業(yè)應(yīng)用奠定良好的基礎(chǔ)。
參與本書編寫工作的還有黃穎、韓成德、余仲陽、吳送良、楊亞侖、張之政、張雅婷。在本書的編寫和出版過程中，電子工業(yè)出版社的田宏峰編輯提出了寶貴的建議，在此表示感謝。本書的出版得到了國家自然科學基金（41971356、41701446）的支持，在此表示誠摯的謝意。由于時間倉促，部分文獻可能存在引用缺失的情況，在此向本書所涉及參考資料的作者表示衷心的感謝。感謝蓋濤提供的封面設(shè)計方案。
由于作者水平有限，書中難免存在不足之處，敬請廣大讀者和專家批評指正。
郭明強
2022年4月于武漢