没有合适的资源?快使用搜索试试~
我知道了~
文库首页
开发技术
其它
基于非均匀测量矩阵的超分辨率全向图像重建.
基于非均匀测量矩阵的超分辨率全向图像重建.
研究论文
需积分: 5
0 下载量
201 浏览量
2021-04-05
23:27:05
上传
评论
收藏
384KB
PDF
举报
温馨提示
立即下载
基于非均匀测量矩阵的超分辨率全向图像重建.
资源推荐
资源评论
基于POCS的图像超分辨率重建实验研究
浏览:38
一篇关于图像处理的论文 图像超分辨率重建是指由一序列低分辨率形变图像来估计一幅(或序列)较高分辨率的非形变图像,同时还能够消除加性噪声以及由有限检测器尺寸和光学元件产生的模糊。此类技术在遥感、医学图像和高清晰度电视等多个领域具有广阔的应用前景和十分重要的理论研究意义。
基于图模型的超分辨率图像重建.pdf
浏览:78
基于图模型的超分辨率图像重建.pdf
基于Matlab的多图像超分辨率重建算法
浏览:156
5星 · 资源好评率100%
多图像超分辨率的实现主要就是将具有相似而又不同却又互相补充信息的配准影像融到一起,得到非均匀采样的较高分辨率数据,复原需要亚像素精度的运动矢量场,然而它们之间的运动模型估计精确与否直接影响到重建的效果,因此影像配准和运动模型的估计精度是高分辨率图像重建的关键。由于实际中不同时刻获得的影像数据间存在较大的变形、缩放、旋转和平移,因此必须对其进行配准,在此基础上进行运动模型估计。然后通过频率域或空间域
基于MAP的图像超分辨率重建算法
浏览:59
4星 · 用户满意度95%
介绍了一种基于MAP的图像超分辨率重建算法
基于GPU加速和矩阵优化的医学图像重建.pdf
浏览:185
基于GPU加速和矩阵优化的医学图像重建.pdf
论文研究-基于稀疏带状矩阵的二维图像重建.pdf
浏览:192
压缩传感(Compressed Sensing,CS)是数据采样同时实现压缩的新理论、新技术。针对大图像重构时采用的测量矩阵维...实验结果表明基于稀疏带状测量矩阵的逐列图像重构算法在保证重建质量的情况下,计算速度也大大提升。
论文研究-结合灰度共生矩阵的多分辨率图像融合策略.pdf
浏览:79
目前常用的融合策略都没有直接考虑融合图像的纹理信息,根据灰度共生矩阵(GLCM)能较好地反映纹理粗糙度和方向的特点,提出了一种结合灰度共生矩阵的多分辨率图像融合策略。首先计算多分辨率图像的低频和高频部分的...
论文研究-自适应的归一化卷积超分辨率重建算法研究.pdf
浏览:14
图像超分辨率重建技术是数字图像领域的一个研究热点,应用广泛。为了使重建的图像能更好地保持边缘细节,采用各向异性高斯核函数作为适用度函数,并将改进的自适应归一化卷积超分辨率重建算法应用于设计的多通道光学...
基于二阶广义全变差的多帧图像超分辨率重建
浏览:164
图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.
基于IBP算法的超分辨率图像重建
浏览:148
5星 · 资源好评率100%
本文提出了一种结合频域运动估计和迭代反投影的超分辨率图像重建算法。根据输入低分辨率序列图像各帧之间的傅立叶变换相位差,估计出每幅低分辨率图像相对于参考低分辨率图像的子象素位移;依据所得的子象素位移并结合迭代反投影算法,实现了超分辨率图像重建。实验结果表明,该算法是一种有效的超分辨率图像重建方法。
基于序列图像的超分辨率重建方法
浏览:181
序列图像的超分辨率重建指的是利用一系列已经获得的分辨率相对比较低的图像,通过现有的技术手段以及方法,恢复出较高分辨率图像的方法。每一幅低分辨率图像只能提供高分辨率图像的部分信息。超分辨率重建具有多方面的优点,比如不涉及硬件以及成本相对较低等。基于此,该技术在刑侦、交通、军事以及生活中都具有广泛的应用前景和实用价值。论文简述了图像超分辨率重建的关键技术和方法,详细介绍了超分辨率重建的MAP算法和PO
基于SIFT的POCS图像超分辨率重建.pdf
浏览:127
。。。
基于SIFT的POCS图像超分辨率重建.docx
浏览:39
。。。
面向人脸识别的矩阵摄动法快速特征重建.pdf
浏览:116
面向人脸识别的矩阵摄动法快速特征重建.pdf
论文研究-基于非局部低秩矩阵重建的图像插值.pdf
浏览:71
为了充分利用图像中的这种非局部自相似性以提高插值图像质量,提出了基于图像非局部低秩重建模型的图像插值方法,为低秩重建模型提出了一种基于分解为子问题交替迭代求解的高效求解算法。提出的算法能获得更高的主观...
论文研究-基于低秩矩阵的含噪图像分解 .pdf
浏览:138
基于低秩矩阵的含噪图像分解,杨帅锋,赵瑞珍,为了研究图像的低秩部分与稀疏部分对图像超分辨率重建的影响,文章提出了将图像进行低秩分解的算法,具体分析图像的低秩部分和稀
论文研究-基于低秩及全变分的视频超分辨率重建.pdf
浏览:145
视频序列沿着时间轴展开所形成的二维矩阵具有低秩性,由此提出了一种利用该性质并结合全变分约束的视频超分辨率重建算法。该方法使用保真项以及上述两约束条件构造视频超分辨率重建的优化函数,然后采用变量分裂法...
行业分类-设备装置-一种基于非相关混沌观测矩阵的多媒体图像压缩方法.zip
浏览:133
行业分类-设备装置-一种基于非相关混沌观测矩阵的多媒体图像压缩方法.zip
基于层次聚类的图像超分辨率重建
浏览:180
多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,
基于优化卷积神经网络的图像超分辨率重建
浏览:144
与以往两类单帧图像的超分辨率重建方法相比,卷积神经网络超分辨率(SRCNN)技术以其端对端的映射架构大幅提高了运行效率与复原精准度,然而网络的层数限制以及收敛性能使得部分图像的恢复效果不及基于样例的重建方法。针对网络优化问题,提出了一种将粒子群优化(PSO)算法与SRCNN相结合的方法,利用PSO算法对网络权重进行初始化,同时结合梯度下降(GD)算法对权值进行修正,使得PSO算法的全局搜索能力与G
基于微阵列相机的图像超分辨率重建
浏览:201
基于微阵列相机的图像超分辨率重建
基于卷积神经网络的图像超分辨率重建.pdf
浏览:54
基于卷积神经网络的图像超分辨率重建.pdf
基于图像超分辨率重建的质心细分的研究
浏览:10
本文提出了一种基于超分辨率图像重建的质心细分定位的新方法。在图像识别与匹配中,往往需要用到物理、数字等的特征提取方法,当给定的图像分辨率低时,就会使得所提取出的特征产生不可忽略的误差。为了解决这一问题,本文以实拍星图分辨率低的局限性为例,并结合传统的质心提取方法得到观测星图中任意两颗星的角距,验证新方法降低误差的有效性。实验结果表明,在同等系统误差条件下,相对于原始星图求得的星角距,基于超分辨率重
基于稀疏表示与矩阵填充的多帧超分辨率图像重建 (2014年)
浏览:16
针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验...
论文研究-基于域块差值矩阵距离的分形图像编码.pdf
浏览:6
对DRDC方法进行了改进,在定义域块与值域块的差值矩阵计算中,增加了8种旋转变换,并利用求解差值矩阵过程中产生的仿射变换参数来计算值域块所对应的分形码,并给出公式推导。此外,还给出了8种旋转变换矩阵与其对应...
基于MATLAB的测量平差矩阵解算基础算法分析.pdf
浏览:201
基于MATLAB的测量平差矩阵解算基础算法分析.pdf
利用神经网络基于矩阵相似度的图像体态识别.pdf
浏览:17
利用神经网络基于矩阵相似度的图像体态识别.pdf
松弛耦合非负矩阵分解的低分辨率人脸识别算法.pdf
浏览:57
松弛耦合非负矩阵分解的低分辨率人脸识别算法.pdf
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
weixin_38536716
粉丝: 11
资源:
921
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
SA-1B json转mask图像python代码
58127868984718网商盟抖音聚合全自动引流助手.apk
project.ioc
3款正射影像DOM导入CASS插件(测试通过).rar
R语言案例:聚类分析,基础R语言代码,包括R语言聚类分析教学
5_6、依赖注入框架.vep
postman parsing data viewing
Git教程:git相关基础概念教程,简单易懂
循环小组作业.cpp
1716305449283252_order-blog
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功