基于神经网络的图像去模糊代码
在单图像去模糊中,传统的基于优化的方法和最近的基于神经网络的方法都非常成功,即在金字塔中逐步恢复不同分辨率的锐利图像。在本文中,我们研究了这种策略,并提出了一个规模递归网络(SRN-DeblurNet)来完成这项去模糊任务。与文献[25]中的许多基于学习的方法相比,它具有更简单的网络结构、更少的参数和更容易训练的特点。我们在具有复杂运动的大规模数据集上对我们的方法进行了评估。结果表明,无论在定量还是定性上,我们的方法都比现有的方法有更高的质量。
在单图像去模糊中,传统的基于优化的方法和最近的基于神经网络的方法都非常成功,即在金字塔中逐步恢复不同分辨率的锐利图像。在本文中,我们研究了这种策略,并提出了一个规模递归网络(SRN-DeblurNet)来完成这项去模糊任务。与文献[25]中的许多基于学习的方法相比,它具有更简单的网络结构、更少的参数和更容易训练的特点。我们在具有复杂运动的大规模数据集上对我们的方法进行了评估。结果表明,无论在定量还是定性上,我们的方法都比现有的方法有更高的质量。
输入Velodyne Lidar数据,对点云进行聚类,基于Qt图像界面开发,算法满足实时性,分割效果好,可用于16线,32线,64线激光雷达数据.