图像超分辨率重建算法-00650116.pdf

图像超分辨率重建算法-00650116.pdf 本帖最后由 derrickrose 于 2012-11-20 09:54 编辑 最近研究图像超分辨率重建技术，主要是基于图像序列的超分辨率重建算法，分享两篇经典的sci文章，一篇是technique overview一篇是经典的基于MAP的super resolution算法，入门的话看这两篇就够了。 《Super-Resolution Image Reconstruction: A Technical Overview》 《Joint MAP Registration and High-Resolution Image Estimation Using a Sequence of Undersampled Images》 如果有这方面编程需要的，可以联系qq160 8462 879，接这方面编程的任务。

基于MATLAB的超分辨率重建算法，亲测无报错。

基于MATLAB的超分辨率重建算法，帮助学习超分辨率重建，亲测在MATLAB 2009a版本上运行无报错。

基于深度学习的图像超分辨率重建研究

人工神经网络凭借其超强的学习能力，使得人工智能得到迅猛的发展，让人工神经网络再次成为研究热点。目前深度学习已经广泛应用于计算机视觉，语音处理，自然语言处理等各个领域，甚至在某些领域已经起到了主导作用。单一图像超分辨率重建技术旨在将一个低分辨率图像经过一系列算法重构出对应的高分辨率图像。目前比较成熟的方法有基于频域法，非均匀图像插值法，凸集投影法，最大后验概率法以及稀疏表示法。本文主要研究利用深度学习实现单一图像超分辨率重建。

图像插值超分辨率重建算法研究

本文主要是对含噪图像和模糊图像进行超分辨率重建。针对含噪图像的超分辨率重建算法,分析了常见图像的去噪算法和混合噪声的去除算法,重点研究了基于维纳滤波和非局部均值分解的图像超分辨率重建算法。首先对输入的含噪图像,进行椒盐噪声点的判断,如果是椒盐噪声点则用中值滤波进行去除,然后对图像进行维纳滤波或非局部均值滤波处理,获得图像的基本层。将去除椒盐噪声后的图像减去基本层即为图像的细节层。图像的基本层主要包括图像的轮廓信息,而细节层包含纹理信息和噪声,因此对细节层进行滤波,然后再分别对基本层和滤波后的细节层进行基于边缘保持的插值放大,最后将两者线性融合,获得最终的高分辨率图像。

论文研究-自适应的归一化卷积超分辨率重建算法研究.pdf

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成像系统图像。由于各向异性高斯核函数邻域的尺度和方向由提出的自适应结构张量矩阵决定，其能很好地估计图像局部结构的方向和强度。实验仿真结果表明，提出的方法与其他方法相比可以保持边缘细节和提高信噪比，从而改善图像成像质量。

论文研究-基于二维奇异值分解的人脸图像超分辨率重建算法研究 .pdf

基于二维奇异值分解的人脸图像超分辨率重建算法研究，王曼，梁莉莉，本文提出了一种基于二维奇异值分解（Two-dimensional Sigular Value Decomposition, 2D SVD）的具有噪声鲁棒性的人脸图像超分辨率重建算法。该方法

基于MAP的图像超分辨率重建算法

介绍了一种基于MAP的图像超分辨率重建算法

论文研究-基于稀疏表示的自适应图像超分辨率重建算法.pdf

针对图像高分辨率重建过程中稀疏解的存在性和唯一性问题以及超分辨率图像的边缘特征和平滑噪声的关系进行了研究, 提出了局部正则化参数自适应选取的方法。结合联合构造字典的算法, 在重建过程中动态调整正则化参数。通过对图像的超分辨率实验证明, 改进的算法具有较高的可行性, 能有效平衡超分辨率图像的边缘特征和平滑噪声两者的关系, 与传统的超分辨率重建算法相比, 有更高的峰值信噪比。

论文研究-一种稳健的超分辨率图像重建算法 .pdf

一种稳健的超分辨率图像重建算法，李淑静，邵峰晶，针对超分辨率图像重建算法多存在的计算量大、收敛慢且收敛稳定性不高，降噪能力差的问题，提出一种稳健的正则化超分辨率图像重建

基于深度学习的图像去噪算法研究.pdf

基于深度学习的图像去噪算法研究 邓正林 电子科技大学

论文研究-基于SVM预分类学习的图像超分辨率重建算法.pdf

针对一般基于范例学习超分辨率重建算法的图像块误匹配和运算复杂度高等问题, 提出了一种基于支持向量机预分类学习的算法。通过在匹配搜索前使用SVM筛选出与重建目标图像颜色特征相似的样本子库, 保证了精确匹配搜索过程中样本块与输入低分辨率图像块内容之间的相关性, 大大减少了误匹配现象, 从而提高了图像重建质量。实验结果表明, 算法的重建效果优于基于范例学习的算法, 并在保证重建精度的前提下有效提高了算法运行速度。

基于Matlab的多图像超分辨率重建算法

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的重建处理，生成均匀采样的超分辨率数据

基于深度学习的时间序列算法综述.pdf

基于深度学习的时间序列算法综述，包含LSTM、RNN、以及其它变体与应用

超分辨率重建算法

超分辨率重建算法 超分辨率重建算法 超分辨率重建算法 超分辨率重建算法

论文研究-基于多种正则化的改进超分辨率重建算法.pdf

为了解决超分辨率图像重建过程中无法同时降低平滑区域噪声和保持图像细节的问题，结合改进的非局部变分（NLTV）和全变分（TV）正则项方法提出一种新的超分辨率重建算法。首先，根据图像重尾分布特性，结合高斯分布、拉普拉斯分布及柯西分布改进了传统NLTV正则项系数，提出了改进的ANLTV正则项。然后利用ANLTV正则项基于分裂Bregman算法重建了初始的高分辨率图像。最后结合TV正则项对重建的高分辨率图像进行去模糊操作，进而得到最终的超分辨率图像重建结果。为验证所提算法的性能，分别利用该算法与传统的TV和NLTV算法进行超分辨率图像重建并对比。实验结果表明，所提出的方法相比于传统的TV和NLTV重建算法，其峰值信噪比、信噪比和结构相似度均有所提高，能够同时满足超分辨率图像重建过程中抑制噪声和保持边缘细节的需求。

深度图像超分辨率重建MATLAB和C语言代码.rar

深度图像超分辨率重建MATLAB和C语言代码.深度图像超分辨率重建MATLAB和C语言代码.

论文研究-基于深度网络的单幅图像超分辨率重建 .pdf

基于深度网络的单幅图像超分辨率重建，曾坤，李翠华，本文提出了一种全新的基于深度网络的单幅图像超分辨率重建算法。该方法首先通过自编码器得到图像的内在表示，然后通过深度网络学

数字图像去雾与超分辨率重建算法研究.

数字图像去雾与超分辨率重建算法研究