这本书的重点是图像和视频的超分辨率。作者使用超分辨率(SR)来描述从一组低分辨率(LR)观测获得高分辨率(HR)图像或序列的HR图像的过程。在文献中,这个过程也被称为分辨率增强(RE)。SR主要应用于空间和时间RE,但也适用于高光谱图像增强。这本书集中于基于运动的空间RE,虽然作者也描述了无运动和高光谱图像SR问题。还包括下采样,预处理,视频序列压缩,以及应用的SR技术。 很明显,在SR中开发的工具和技术和信号处理(例如,图像恢复、运动估计)中遇到的许多其他反问题之间有很强的相互作用。SR技术被应用于各种领域,例如从视频序列(视频打印)、高清晰度电视、高性能彩色液晶显示器(LCD)屏幕获得改进的静止图像,提高由一个CCD拍摄的彩色图像的质量、视频监控。遥感、遥感和医学影像学。作者相信,SR/RE区域已经成熟到足以发展一种知识,它现在可以开始提供有用的和实际的解决方案来挑战真实的问题,并且SR技术可以是图像和视频编解码器的一个组成部分,并且可以驱动新的代码D的开发。生态解码器(CODEC)和标准。
2024-06-25 15:49:17 18.4MB
1
mnist t10k-images t10k-labels train-images train-labels
2024-04-23 15:36:40 11.06MB mnist t10k-images t10k-labels train-images
1
融合离散点云和数字影像的油菜成熟期模型重建,常婷婷,汪星宇,目前,对农作物进行无损观测对精准农业具有重要意义。本研究利用近景激光测距仪获取的离散点云和数字影像数据,实现了油菜成熟期
2024-01-09 22:14:38 571KB 首发论文
1
数据集质量较高,标签准确,文件分类清晰,可直接使用!!!! 绝对好!!!
2023-10-23 19:22:02 974.68MB 数据集
1
arm64可用的k3s agent节点的离线镜像。在以docker作为agent节点的容器运行时,需要先将离线镜像导入到docker中。
2023-05-10 11:36:23 316.85MB k3s-arm64
1
储存库结构 controller.py-视网膜OCT图像分类的方法,包括建议的方法和微调方法。 oct_classification.py-建议方法的实现。 oct_fine_tuning.py-微调/全训练方法的实现。 split_dataset.py-将数据集分为训练集和测试集。 图形概要
2023-04-01 22:10:27 138KB Python
1
standard_test_images,标准测试图像512*512
2023-03-21 21:51:39 4.11MB standard test images
1
纯gogo中的QR码识别和解码库这是纯go中的QR码识别和解码库。 它可以将大多数图像识别为QR Code字符串。 示例包主要导入(“字节”“ fmt”“ github.com/liyue201/goqr”“图像” _“图像/ jpeg” _“图像/ png”“ io / ioutil”) Printf(“识别文件:%v \ n”,路径)imgdata,错误:= ioutil.ReadFile(path),如果错误!= nil {fmt.Printf(“%v \ n”,err)return} img,_, err:= image.Decode(bytes.NewReader(imgdata))如果err!= ni
2023-03-20 00:41:08 327KB Golang Images
1
在python的TK窗口中建立:采集区、对照区,采集区可以选择图像或获取摄像头图像,对照区以选择图像方式,点击下方“对比”按钮,通过哈希算法、直方图等对比方法计算出图像的相似度,并显示到TK窗口中
2023-03-17 09:21:47 9KB python tk images contrast
1
数据集说明 CoFly-WeedDB数据集(约436MB)由201张航拍图像组成,它们捕获了干扰行作物(棉花)的不同杂草类型,以及它们相应的带注释的图像。 杂草实例的注释过程由农学家使用注释工具进行,指示了三种不同类型的杂草: (高粱halepence) (空心菜) 齿((马齿ula) 对于带注释的图像,每种杂草类型都用不同的颜色标记,而图像的其余部分被视为背景。 具体来说: 红约翰逊草 黄色-场旋花 蓝P 黑色-背景 数据采集 该数据集是使用安装在DJI Phantom 4 Pro无人机上的RGB相机(1英寸20兆像素CMOS传感器)创建的。 在无人机执行对现场区域的覆盖任务时,收集了RGB图像。 在设计任务期间,将摄影机角度调整为垂直于视场,为-87°。 无人机的飞行高度和速度分别等于5m和3m / s,旨在提供杂草实例的近距离和清晰视野。 可视化 CoFly-WeedDB
2023-03-13 09:49:38 15KB uav dataset rgb-images annotated-images
1