暂无评论
改进的PMD距离图像超分辨率重建算法
作为一种强大而有前途的统计信号建模技术,稀疏表示已广泛应用于各种图像处理和分析领域。 对于高光谱图像分类,以前的研究已经表明了基于稀疏性的分类方法的有效性。 本文提出了一种非局部加权联合稀疏表示分类方
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
针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题, 提出了一种基于深层残差网络的加速图像超分辨率重建方法, 该方法在提高图像分辨率的同时加快收敛速
在智能交通系统中，超分辨率重建技术有着广泛的应用。提出一种新的超分辨率图像重建方法，用于提高超分辨率图像的重建质量。该方法从低分辨率图像中提取出具有独特性和鲁棒性的SURF特征描述子，进行匹配计算，采
目录 摘 要 . I Abstract . II 插图索引 . IV 附表索引 . V 第 1章绪论.1 1.1论文的研究背景及意义 .1 1.2图像超分辨率的研究现状 .1 1.2.1基于插值的图像
目的：为了提高磁共振成像（MRI）的图像分辨率，通常使用常规的插值方法通过各种图像处理方法来放大图像。然而，这些方法倾向于产生伪像。尽管已引入超分辨率（SR）方案作为应用医学成像的替代方法，但先前的研
超分辨率研究，介绍了基本的基于学习的超分辨率算法，已经对算法效果进行了实验和评价。
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,主要做
针对卫星图像成像过程中成像装置存在极限,导致图像分辨率低的问题,提出了基于神经网络的图 像超分辨率重建( neural networks super2resolution reconst ructio
暂无评论