基于双正则化参数的在线字典学习超分辨率重建

提出了小波域在中频可调节系数范围δ和θ之间保持直方图统计特性不变的安全密写方案。该方案不仅能抵抗直方图统计分析，还能抵抗压缩编码。实验对比表明，安全性明显提高。

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

针对传统深度图超分辨率重建算法需要人工提取特征、计算复杂度较高且不容易得到合适表示特征的问题, 提出一种基于卷积神经网络(CNN)的深度图超分辨率重建算法。该算法不需要提前对特定的任务从图像中提取具体

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

提出一种可用于改进图像超分辨率重建质量的双判别器超分辨率重建网络(DDSRRN)。该网络在生成式对抗网络(GAN)的基础上增加一个判别器,将Kullback-Leibler(KL)和反向KL散度组合成

使用方法: python super_res.py --model models/EDSR_x4.pb --image examples/zebra.png python opencv超分辨率重建 4

毕业设计论文题目图像超分辨率重建算法研究 专业方向 电子信息工程 文献综述 1. 引言 超分辨率概念最早出现在光学领域在该领域中超分辨率是指试图复原衍射极限以外数据的过程 Toraldo?di?Fra

由于图像超分辨率算法的复杂性，计算量比较大，计算时间比较长。随着计算机技术的进步，这些困难将会得到解决。由此，视频的实时超分辨率重建成为可能，将会在网络视频会议等领域得到广泛应用。尽管目前对低码率视频

如果采用改善物理硬件的方法来获取人们满意的高分辨率图像,则成本较高,而且有时难于实现。因此有必要考虑一种能够克服这些限制的新措施来提高图像空间分辨率。超分辨率重建技术就在这种背景下应运而生。

超分辨率重建的数据集,包括Set5,Set14,BSD200,BSD500,General-100,91image等