注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 超分辨率图像重构论文

  2. 这是一篇关于超分辨率图像重构的论文，介绍了几种超分辨率图像重构算法

  3. 所属分类：其它

    • 发布日期：2009-06-08
    • 文件大小：1mb
    • 提供者：xiaoguangzaia

  1. vc++超分辨率图像重构

  2. 针对传统算法不能很好解决压缩视频的超分辨率图像重构问题,

  3. 所属分类：C++

    • 发布日期：2011-03-24
    • 文件大小：397kb
    • 提供者：bloodyphantom

  1. 超分辨率图像重构super_resolution

  2. 超分辨率图像重构 super resolution

  3. 所属分类：其它

    • 发布日期：2011-03-24
    • 文件大小：207kb
    • 提供者：bloodyphantom

  1. 基于序列子集共轭梯度的超分辨率图像重构

  2. 提出一种基于序列子集共轭梯度最优化算法的超分辨率图像重建算法。通过图像配准算法估计得到不同低分辨率图像间的平移和旋转量，结合期望图像的统计先验对问题进行规整，建立优化的代价函数。利用序列子集共轭梯度最优化迭代算法求解，得到高分辨率图像。仿真结果表明，该算法可以使内存降低15％，运算速度提高20％。

  3. 所属分类：其它

    • 发布日期：2011-09-13
    • 文件大小：164kb
    • 提供者：b06050701

  1. 用POCS方法对图像进行超分辨率重构

  2. 用POCS方法对图像进行超分辨率重构，matlab源码，有解释

  3. 所属分类：其它

    • 发布日期：2013-01-28
    • 文件大小：7kb
    • 提供者：hubucyz

  1. 基于稀疏表示的人脸重构

  2. 基于稀疏表示的超分辨率重构！这个论文关于稀疏表示描述的很详细！

  3. 所属分类：专业指导

    • 发布日期：2013-08-20
    • 文件大小：6mb
    • 提供者：asia361836

  1. 基于改进K-SVD 字典学习的超分辨率图像重构

  2. 基于改进K-SVD 字典学习的超分辨率图像重构，很好，推荐

  3. 所属分类：其它

    • 发布日期：2013-11-28
    • 文件大小：446kb
    • 提供者：surge2010

  1. 超分辨率matlab源码pocs-superresolution_v_2.0

  2. 用POCS方法对图像进行超分辨率重构,matlab源码.对学习超分辨率很有帮助.强烈推荐.

  3. 所属分类：其它

    • 发布日期：2009-03-22
    • 文件大小：3mb
    • 提供者：water_sun

  1. 超分辨率重构srgan.rar

  2. srgan超分辨率重构，SR :从低分辨率(LR)图像中提取高分辨率(HR)图像这一极具挑战性的任务称为超分辨率(SR)。

  3. 所属分类：深度学习

    • 发布日期：2019-06-05
    • 文件大小：9kb
    • 提供者：qq_42233538

  1. 基于二维稀疏表示的人脸超分辨率重构算法

  2. 在分析人脸超分辨率算法和二维稀疏表示的基础上,提出基于二维稀疏表示的人脸超分辨率重构算法。与一维稀疏表示中将图像块转换为列向量不同,本文考虑到二维图像列与列之间的近邻关系,对图像块进行二维稀疏表示;在字典训练中,对每组图像块的每一列训练高、低分辨率字典,提出二维K-SVD算法对字典进行训练,减少字典训练消耗的时间,同时能够改善超分辨率人脸的质量。采用中科院CAS-PEAL共享人脸图像数据库进行仿真实验,实验结果从主、客观质量均验证了本文算法的有效性及先进性。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：256kb
    • 提供者：weixin_38553837

  1. 通过典范相关分析实现基于学习的超分辨率

  2. 图像超分辨率的任务是在恢复锐利边缘和高频细节的同时对低分辨率（LR）图像进行采样。本文提出了一种通过规范相关分析（CCA）的单图像超分辨率算法。该方法基于以下假设：当转换为特殊空间时，相应的LR和高分辨率（HR）图像具有较高的相关系数。提议的方法包括两个阶段：培训和测试。在训练阶段，使用准备好的耦合训练集计算出几个典型的变换基础。在测试阶段，可以使用在训练阶段获得的规范基础来恢复HR图像。另外，使用迭代反投影算法来进一步提高图像质量。实验表明，我们的算法可以重构较少的伪像，从而可以重建更丰富的细

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：952kb
    • 提供者：weixin_38659805

  1. 超分辨率重构技术用于红外扫描系统的关键

  2. 超分辨率重构技术用于红外扫描系统的关键

  3. 所属分类：其它

  1. 基于多卷积神经网络的图像超分辨率

  2. 近年来，卷积神经网络方法已经在图像超分辨率领域得到了广泛而成功的应用。 随着CNN结构的发展，还开发了基于CNN的重建算法。 然而，在这些重建模型中，卷积算子的规模是单一的。 这将极大地限制模型对输入图像的学习能力，并影响重建效果。 为了提高卷积网络对输入图像的精度，提出了一种基于多尺度卷积算子的重构方法。 在这种方法中，在每个层网络中都设置了多尺度卷积运算符，以计算输入图像的多尺度特征。 实验表明，该方法可以有效地提高重建图像的精度。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：386kb
    • 提供者：weixin_38612139

  1. 各向异性四阶扩散正则化用于多帧超分辨率重建

  2. 提出了一种基于正则化的新颖方法用于超分辨率重建，以实现噪声去除和边缘保留之间的良好权衡。 该方法是通过使用L1范数作为数据保真度项和各向异性四阶扩散模型作为正则项来开发的，以约束重构图像的平滑度。 为了评估和证明该方法的性能，进行了一系列实验，并与一些现有方法进行了比较，包括双三次插值法和双边总变分法。 综合数据的数值结果表明，与双边总变分方法相比，该方法的PSNR改进平均大约为1.0906 dB，并且在真实视频上的结果表明，该算法在去除视觉伪影和保留边缘方面也有效在还原的图像中。

  3. 所属分类：其它

  1. SRGAN-PyTorch：超分辨率纸的简单而完整的实现-源码

  2. SRGAN-PyTorch 概述 该存储库包含对进行的逐点PyTorch重新实现。 目录 关于使用生成对抗网络的逼真的单图像超分辨率 如果您不熟悉SRGAN，请直接从本文中摘录以下内容： 尽管使用更快，更深的卷积神经网络在单图像超分辨率的准确性和速度方面取得了突破，但仍然存在一个主要问题仍未解决：当在较大的放大比例下进行超分辨率处理时，如何恢复更精细的纹理细节？ 基于优化的超分辨率方法的行为主要由目标函数的选择决定。 最近的工作主要集中在最小化均方重构误差上。 得出的估计值具有很高的峰值信噪比

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：624kb
    • 提供者：weixin_42132352

  1. 利用图像局部自相似性的超分辨率重构算法

  2. 图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程。为了能够有效地重构出高分辨率图像,提出一种基于图像局部自相似性的超分辨率快速重构算法。该算法首先利用四叉树分割的知识对低分辨率图像进行自适应分块;然后利用低分辨率图像和高分辨率图像在局部区域内的自相似性,由最小二乘方法在各个局部区域自适应的选择插值所需的参数,从而在各个局部区域内进行插值;最后运用小波域的投影算子对插值得到的高分辨率图像进行全局优化,得到最终的高分辨率图像。实验结果表明,由该算法重构的高分辨图像有很好的视觉效果和峰值信噪

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：782kb
    • 提供者：weixin_38691453

  1. 基于Bayesian理论的压缩视频超分辨率重构算法

  2. 基于Bayesian理论的压缩视频超分辨率重构算法

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：84kb
    • 提供者：weixin_38621082

  1. 基于自类推与NSCT的单幅图像超分辨率技术

  2. 在很多实际应用中很难获得适当的图像训练集，但是单幅图像放大却是一个病态问题。利用图像局部结构的自相似性和可传递性，结合非下采样Contourlet变换(NSCT)的优点，提出一种基于自类推与NSCT的单幅图像超分辨率重建(SRR)方法。采用NSCT对源图像和退化图像进行多尺度、多方向分解，得到用于学习的各带通方向子带对，利用图像自类推技术生成高分辨率的各带通方向子带，与立方插值放大后的源图像进行NSCT重构得到超分辨率重建图像。实验结果表明，该方法可以独立进行，摆脱一般方法对训练结合的依赖，能产

  3. 所属分类：其它

  1. 基于非参数贝叶斯遥感影像超分辨率的改进算法

  2. 为了提高遥感影像的空间分辨率, 将用于自然影像超分辨率重建的非参数贝叶斯字典学习模型引入到遥感影像处理领域, 提出了一种基于非参数贝叶斯和纹理分块的单幅遥感影像超分辨率重建的改进方法。该方法利用Beta-Bernoulli process进行字典学习, 建立字典元素和各参数的概率分布模型, 并使用Gibbs抽样计算其后验分布。最后, 在重构时先将影像块分为平滑块和非平滑块两种类型, 对非平滑块利用高分辨率字典的后验分布及低分辨率影像块的稀疏系数重建出高分辨率遥感影像, 而对平滑块仅采用双三次卷积

  3. 所属分类：其它

  1. 基于张量截断核范数的高光谱图像超分辨率重构

  2. 针对高光谱图像在获取过程中存在多种不同程度退化的问题,提出一种基于张量截断核范数和空谱全变差正则化模型,实现了高光谱图像的超分辨重构。首先分析高光谱图像的两种先验信息:空谱低秩先验和空谱稀疏先验;利用空谱低秩先验建立基于张量截断核范数的低秩约束模型,实现对秩函数的准确逼近;利用空谱稀疏先验建立空谱全变差正则化模型,有效地保持图像的边缘信息;最后结合两种模型的优势,建立基于张量截断核范数和空谱全变差正则化的高光谱图像重构模型。实验结果表明新模型提高了视觉质量,与目前最新的超分辨率重构模型相比,本文

  3. 所属分类：其它

« 12 3 »