超分辨率重建 matlab,基于Matlab的多图像超分辨率重建算法

【实例简介】多图像超分辨率的实现主要就是将具有相似而又不同却又互相补充信息的配准影像融到一起,得到非均匀采样的较高分辨率数据,复原需要亚像素精度的运动矢量场,然而它们之间的运动模型估计精确与否直接影响到重建的效果,因此影像配准和运动模型的估计精度是高分辨率图像重建的关键。由于实际中不同时刻获得的影像数据间存在较大的变形、缩放、旋转和平移,因此必须对其进行配准,在此基础上进行运动模型估计。然后通过频…

大家好,又见面了,我是你们的朋友全栈君。

【实例简介】

多图像超分辨率的实现主要就是将具有相似而又不同却又互相补充信息的配准影像融到一起,得到非均匀采样的较高分辨率数据,复原需要亚像素精度的运动矢量场,然而它们之间的运动模型估计精确与否直接影响到重建的效果,因此影像配准和运动模型的估计精度是高分辨率图像重建的关键。由于实际中不同时刻获得的影像数据间存在较大的变形、缩放、旋转和平移,因此必须对其进行配准,在此基础上进行运动模型估计。然后通过频率域或空间域的重建处理,生成均匀采样的超分辨率数据

【实例截图】

【核心代码】

superresolution_v_2.0

└── superresolution_v_2.0

├── __MACOSX

│   └── superresolution_v_2.0

│   └── application

│   └── html

└── superresolution_v_2.0

├── application

│   ├── applicability.m

│   ├── c2p.m

│   ├── Contents.m

│   ├── create_images.m

│   ├── estimate_motion.m

│   ├── estimate_rotation.m

│   ├── estimate_shift.m

│   ├── generatePSF.m

│   ├── generation.fig

│   ├── generation.m

│   ├── g_im_LR_1.tif

│   ├── g_im_LR_2.tif

│   ├── g_im_LR_3.tif

│   ├── g_im_LR_4.tif

│   ├── gpl

│   ├── html

│   │   ├── SR_about.html

│   │   └── SR_documentation.html

│   ├── interpolation.m

│   ├── iteratedbackprojection.m

│   ├── keren.m

│   ├── keren_shift.m

│   ├── logo_epfl_small.tif

│   ├── logo_warning.tif

│   ├── lowpass.m

│   ├── lucchese.m

│   ├── marcel.m

│   ├── marcel_shift.m

│   ├── n_conv.m

│   ├── n_convolution.m

│   ├── papoulisgerchberg.m

│   ├── pocs.m

│   ├── robustnorm2.m

│   ├── robustSR.m

│   ├── shift.m

│   ├── SR_about.m

│   ├── SR_documentation.m

│   ├── superresolution.fig

│   ├── superresolution.m

│   ├── wind_LR_1.tif

│   ├── wind_LR_2.tif

│   ├── wind_LR_3.tif

│   └── wind_LR_4.tif

└── readme.txt

8 directories, 43 files

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/127357.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • make wildcard_其在古文中的用法

    make wildcard_其在古文中的用法
    在Makefile规则中,通配符会被自动展开。但在变量的定义和函数引用时,通配符将失效。这种情况下如果需要通配符有效,就需要使用函数“wildcard”,它的用法是:$(wildcardPATTERN…)。在Makefile中,它被展开为已经存在的、使用空格分开的、匹配此模式的所有文件列表。如果不存在任何符合此模式的文件,函数会忽略模式字符并返回空。需要注意的是:这种情况下规则中通配符的展开和上一小节匹配通配符的区别。
    一般我们可以使用“$(wildcard*.c)”来获取工作

    2022年10月21日
  • __builtin_offsetof()[通俗易懂]

    __builtin_offsetof()[通俗易懂]————-linuxcompiler-gcc4.h————–#define__compiler_offsetof(a,b)__builtin_offsetof(a,b)分析准备:__compiler_offsetof(),为gcc编译器中的编译方面的参数,查阅gcc方面的文档:—>gcc.pdf.Downloadfromwww.gn

  • don\’t have permission access on this server听语音

    don\’t have permission access on this server听语音

  • Excel2JSON Excel转JSON Excel另存为JSON的技巧

    Excel2JSON Excel转JSON Excel另存为JSON的技巧不过欢迎大家转发到微博、微信、朋友圈~么么哒~JSON是码农们常用的数据格式,轻且方便,而直接手敲JSON却是比较麻烦和令人心情崩溃的(因为重复的东西很多),所以很多码农可能会和我一样,选择用Excel去输入数据,然后再想办法转换成JSON格式。小编今天推荐使用Excel直接另存为JSON的方法。该方法的特点是:除可以正常的直接按照表头作为key,内容作为value输出之外,还可以

  • 错误信息:FATAL: No bootable medium found! System halted.

    错误信息:FATAL: No bootable medium found! System halted.

    2021年10月28日
  • Linux下Jboss安装使用+Jboss部署脚本「建议收藏」

    Linux下Jboss安装使用+Jboss部署脚本「建议收藏」Jboss是JavaEE应用服务器(就像Apache是web服务器一样),专门用来运行JavaEE程序的。JBoss的运行需要JAVA环境的支持,所以我们首先安装JDK。本章环境:系统:CentOSLinuxrelease7.9.2009前期工作准备:关闭防火墙关闭selinux[root@server-jboos~]#systemctlstopfirewalld.service[root@server-jboos~]#systemctldistablefir

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号