搜索资源列表
4
- 正在成像的物体的光谱反射率的重建对于在各种观察光源下再现颜色是重要的。在这项工作中,导出了一个简单的公式来评估一组旨在重建光谱反射率的彩色图像传感器的质量,并将其应用于多光谱图像采集系统。由于质量不仅取决于光谱灵敏度,还取决于系统中存在的噪声,所以不可能在没有其中存在噪声的情况下对一组传感器进行评估。因此,多光谱相机的噪声方差由新方案估算,并首次应用于评估。结果表明,实验结果与评估模型的预测吻合良好,估计噪声方差估计方法对评估是有用的。(The reconstruction of spectra
DeepLearningforPassiveSyntheticApertureRadar
- 通过大量的数值模拟,我们的深度学习为基础的方法优于传统的稀疏编码方法在计算方面和重建图像质量,特别是当没有对发射机的信息是可用的。(our deep learning based method is better than the traditional method in calculation and the quality of image reconstruction, especially when no information is available on the transmit
Reconstructing Plants in 3D from a Single Image Using Analysis-by-Synthesis
- 成熟的计算机视觉技术允许重建 从图像中挑战3D对象。然而,由于高度的复杂性 植物拓扑中,用于生成三维植物模型的专用方法 必须设计。我们建议使用 一种综合分析方法,混合来自单一图像的信息 以及对植物种类的先验知识。 首先,我们专用的骨架算法从叶子分割中生成一个可能的分支结构。然后,一个3D生成模型, 建立了考虑植物知识的分支系统参数模型。生成的骨架遵循 自然分支结构的层次结构。的一个实例 可以生成一个3D模型。的变参数值 生成模型(植物和树叶的主要分枝结构),我们 生产一系列