基于非稀疏字典处理实现对低分辨率图像进行超分辨率处理

% 用法：curve = naturalCurveD(k,t,isplotted) % 输入变量： % k(kappa) - 曲率，可以是单个值或% 向量% t(tau) - 扭力，可以是单个值或向量% isplotted - 指定是否重建的二进制值% 曲线是否绘制。 % 输出变量% 曲线 - 重建曲线

matlab脑部代码Polyquant CT重建工具箱 这个Matlab工具箱允许从多能X射线计算机断层扫描（CT）测量中直接进行定量重建。 我们希望您觉得它有用，并欢迎任何反馈或问题[]。 特征 允许定量重建为电子密度，质量密度，质子阻止能力，准单能等。 泊松噪声下的迭代统计重建。 金属制品补偿和校正。 设计用于与操作员一起使用：在运行这些演示之前，请确保工具箱在您的路径中（通过运行其“ setup.m”）。 改编自2D和3D的非负总变化（TV）的说明。 综合多能散射估计和缓解。 具有位反转排序的加速有序子集算法。 演示版 我们提供了一些演示来介绍其某些功能，包括： 大脑，头部，胸部，腹部和骨盆区域的2D扇形CT重建。 2D扇形束CT金属假象的缓解，来自双钛髋关节植入物。 分别在“全扇形”和“半扇形”扫描下对头部和骨盆区域进行3D锥形束CT重建。 具有集成多能散射建模（PolySKS）的3D锥束CT重建。 参考 这些方法在以下出版物中介绍（如果使用，请引用）： 有关更多详细信息，扩展及其在放射治疗中的用途，您可以阅读以下论文： 致谢 感谢Mike Davies，Bill Nailon

针对FDK算法重建图像异常耗时的问题,提出了一种极坐标反投影快速重建算法。根据三角函数对称性,64幅预处理后的投影数据在反投影过程中同时运算;在极坐标反投影数据映射到笛卡尔坐标时,利用像素位置相关参数的对称性,在不使用查表方法的情况下,使双线性插值的计算量大大减少。实验结果表明,采用这两种措施实现了FDK算法优化,与传统的FDK算法相比,重建速度提高8倍,采用CUDA技术,实现GPU对其加速,速度提高40倍,且均不产生新的误差。

通过编写 MonoBehaviour 收集Unity UI 中的当前帧有那些元素触发了Rebuild。方便进行UI重建方面的性能检查，以便提升性能。 原理就是通过对 CanvasUpdateRegistry 中的属性值型判断收集实现。由于UGUI中CanvasUpdateRegistry中并没有开放相关的属性所以使用反射的方法获取队形的属性值。

基于两相流的电容层析成像技术，包括三种算法的程序及运行结果。

飞跃手的骨架 DERIVATIVE TouchDesigner是一种实时交互式应用程序，是内置LeapMotion支持的平台之一，该平台允许通过其CHOP引入手部骨骼和手势数据以进行开发。 要重建手部运动，必须正确设置骨骼层次和反向运动学设置，请参见该项目中包含的文件。 要使用LeapMotion，请下载LeapMotion SDK 。 该项目已经在touchdesigner 088中进行了测试。您可以通过下载免费的但具有分辨率限制（低于1260x1260）的版本。

微小的工具集，可以使用平行光束几何结构从二维投影中对三维物体进行断层扫描重建，从而进行简单的实验。 zip 文件包含以下文件： buildSystemMatrix.m：为三维平行光束几何体设置断层扫描系统矩阵 getNoise.m：创建一个高斯白噪声向量。 phantom3d.m：创建经典 Shepp-Logan 测试图像的三维扩展。 该文件由 Matthias Schabel 制作并在 FEX 上发布，文件 ID：#9416。 plotLayers.m：显示三维数组的层数。 tomoboxDemo1.m：运行模拟的演示脚本，包括生成测试图像、选择随机投影方向、计算投影、添加噪声，最后使用迭代线性求解器 LSQR 进行重建。 traceRays.m：辅助。 buildSystemMatrix 的函数。

采集方式： Cyberware三维扫描仪 发布单位： 斯坦福大学 The Stanford 3D Scanning Repository ,可用于点云配准、表面重建

matlab将的图片拼合代码运动的两视图结构 如何运行： 为了使该程序平稳运行，请确保您的Matlab版本具有计算机视觉工具箱。 result文件夹包含最终对象。 层模型显示在程序的末尾，但是您也可以在任何3D软件（例如Blender或Meshlab）中查看它。 为了用户的舒适，建议将背景颜色从黑色更改为较浅的颜色（例如绿色）。 要启动该程序，请运行文件main.m 在运行时，将显示图像的关键和匹配功能以及最终生成的3D点云的图形。 该程序的主要步骤： 解密本征矩阵文本文件。 提取并匹配两个图像的关键特征。 估计然后分解基本矩阵。 将匹配的点三角剖分成3D模型。 创建最终的PLY模型。 如何制作自己的模型： 从相似但不同的视图中拍摄同一对象的两张图片。 建议水平方向。 使用Matlab工具箱校准相机，然后将生成的本征矩阵写入一个名为intrinsic.txt的文件中，该文件必须与两个图像放置在同一文件夹中。 在第4行上添加图像的尺寸。 将它们放在同一文件夹中，然后修改main.m以指向图像。 添加如下代码： Structure_from_Motion(image1Path, image