搜索资源列表
CS-of-multi-static-SAR
- 压缩感知在多基地合成孔径雷达中的应用，关于采样相关性与图像重建质量的关系分析-Compressed sensing applications in the multi-base synthetic aperture radar, relationship analysis on sampling correlation with the quality of image reconstruction
Image-reconstruction_CS
- 合稀疏贝叶斯学习(SBL)和可压缩传感理论(CS)，给出一种在噪声测量条件下重建可压缩图像的方法。该方法将cS理论中图像重建过程看作一个线性回归问题，而待重建的图像是该回归模型巾的未知权值参数；利用sBL方法对权值赋予确定的先验条件概率分布用以限制模型的复杂度，并引入超参数- Hop sparse Bayesian learning ( SBL ) and compressible sensing theory ( CS ) , give a compressible image recon
paper3
- 基于MAP的单帧字符图像超分辨率重建-Single frame character image super-resolution reconstruction based on MAP
ct-reconstruction
- 。本论文从CT 图像重建原理入手, 根据迭代重建的物理意义, 从投影模型出发, 得到投影数据, 然后利用迭代算法MART 及SIRT 重建出断层图像,-Iterative Algorithms in Computed Tomographic Reconstruction
OMP
- 为了解决基于去噪重建过程，即解决稀疏系数原理的图像稀疏表示-In order to solve the reconstruction process based de-noising, that a solution to the sparse coefficient principle sparse representation
图像超分辨率重建算法
- 分别实现基于MAP、POCS的超分辨率重建算法，并对两种算法的重建结果进行对比