超分辨率重建SRCNN的GUI界面,打开即可使用,如果打开不了,检查有没有装对应版本的MCRInstaller.exe
在毕业论文实验2中,提出了一种基于pytorch实现的密集连接多尺度图像超分辨率重建模型。该模型包含训练和测试代码,并且仅需修改models文件即可探索新的创新方向。密集连接和多尺度方法在超分辨率重建
稀疏性正则化多帧图像超分辨率重建的线性化Bregman算法,孙玉宝,韦志辉,基于图像在过完备字典(系统)下的稀疏表示,提出了一种新的稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想
图像超分辨率重建和插值算法研究 超分辨率重建的背景和意义 图像的高分辨率是指着图像含有的像素密度高, 能提供丰富的细节信息,对客观场景的描述吏准 确细致 高分辨率图像在信息时代的需求非常广泛,诸 如卫
数字图像去雾与超分辨率重建算法研究
基于学习的单图超分辨率重建算法能获得较好的超分效果,但存在重建图像伪影较为明显的问题。为解决这一问题,提出了一种基于双正则化参数的在线字典学习超分辨率重建算法。在字典学习过程中运用在线字典学习方法(o
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求
最近,深度神经网络在图像超分辨率(SR)领域取得了重大突破。 大多数基于深度学习的图像SR方法学习端到端网络,以发现低分辨率(LR)图像和高分辨率(HR)图像之间的映射关系,以便生成视觉上令人满意的图
近年来,深度卷积网络在单幅图像超分辨问题上取得了非常好的效果,然而,由于超分辨问题的病态性,自低分辨率的图像复原得到高分辨率图像的算法仍然有很大的改进空间。为了进一步提高单幅图像超分辨率重建的精度,主
基于Curvelet变换的压缩传感超分辨率重建