暂无评论
针对经典的基于卷积神经网络的单幅图像超分辨率重建方法网络较浅、提取的特征少、重建图像模糊等问题，提出了一种改进的卷积神经网络的单幅图像超分辨率重建方法，设计了由密集残差网络和反卷积网络组成的新型深度卷
鉴于非下采样Contourlet变换（NSCT）系数包含原始图像各方向的所有细节信息，以及改进BP神经网络高度非线性映射的快速收敛和准确性，提出一种应用NSCT和改进BP神经网络的超分辨率图像重建算法
超分辨率图像重构是将多帧低分辨率图像重构成一幅高分辨率图像的过程。一般的超分辨率图像重构算法在小放大倍数时效果比较好，但当放大倍数上升时，存在两个问题：一个是计算复杂性的急剧上升，另一个是边缘振荡效应
鉴于基于小波域隐马尔可夫树的噪声抑制性和较好的边缘保持性,提出一种基于小波域隐马尔可夫树的序列图像的超分辨率重建算法。针对小波系数进行统计建模,讨论了不同尺度小波系数之间的隐马尔可夫树结构,利用了序列
为了通过软件方式增强遥感影像的空间分辨率，提出了一种基于双稀疏度K-SVD字典学习的遥感影像超分辨率重建算法。基于稀疏表示理论，利用K-SVD字典学习算法求解低分辨率字典及其稀疏系数，将稀疏系数传递至
针对传统POCS(projectionontoconvexsets)算法的局限性，提出了一种基于POCS框架的时空联合自适应视频超分辨率重建算法。通过引入时空联合自适应机制，算法有效地减缓了错误运动估
基于非局部联合稀疏模型的高光谱图像超分辨率重建，李映，杨静，本文提出了一种基于非局部联合稀疏模型的高光谱图像超分辨率重建算法。该算法首先利用在线字典学习方法对低空间分辨率的高光谱训
基于二维经验模态分解的单幅图像超分辨率重建，张志超，毛晓波，单幅图像超分辨率重建技术是由一幅低分辨率图像重建出高分辨率图像的技术。针对传统超分辨率算法对样本库依赖大、耗时长、重建图
多帧超分辨率处理运动模糊
视频超分辨率增强的目的在于从时间上弥补视频采样设备采样帧率的不足, 描述高速运动变化对象的细节信息; 在空间上复原视频图像截止频率之外的信息, 以使图像获得更多的细节。这项技术广泛应用于视频通信、监控
暂无评论