ART算法图像重构

基于图像重构和特征融合的人脸识别方法研究.rar

CT系统在不破坏样品的情况下，利用样品对射线能量的吸收特性对生物组织 与工程材料的样品进行断层成像.即通过发射光源的起点然后中间经过旋转与映 射，然后投影在探测器上面，故在探测器上可以见物质的几个图像与能量的变化.

关于该资源的详细描述请参考本人博客内容 https://blog.csdn.net/qq_36584460/article/details/123961051

C++对图像进行2×2双线性内插重采样，构造影像金字塔 仅支持8位和24位Windows位图

文件中包含多种压缩感知图像重构方法，CoSaMp,omp,sp等，能实现图像重构

wavelet_omp实现小波的正交匹配追踪，实现图像重构。属于CS的范畴，可以直接运行，有图像。

图像重构matlab代码使用图像到图像的翻译进行无限制的面部几何重构 使用图像到图像转换的无限制面部几何重构的评估代码。 给定单个图像，代码将输出重构的网格。 最近更新 2020.05.07 ：我们发布了此存储库的，并鼓励您尝试一下！ 2018.07.20 ：将后期postprocess分散到组成管道的不同步骤中，将模型更改为float以节省空间。 设置和用法 该项目已在具有Matlab R2015b的Ubuntu 14.04 LTS上进行了测试，请按照以下说明运行它： 确保已安装在计算机上。 安装mattorch和nngraph软件包。 luarocks install mattorch luarocks install nngraph 下载并将其解压缩到Directroy models 。 在Matlab中运行runme.m脚本。 引文 如果您使用此代码进行研究，请引用我们的论文： @article{sela2017unrestricted, title={Unrestricted Facial Geometry Reconstruction Using Image-to-Imag

图像处理课程上老师布置的作业，图像重绘最先由俄罗斯人由神经网络的方法得到，但也可以用频域来计算，结果仍需修正

结合稀疏贝叶斯学习和压缩感知CS理论, 提出了一种基于贝叶斯匹配追踪的SAR图像重构的新方法。该方法将SAR图像的重构过程看做是一个线性回归问题, 而待重建的图像是该回归模型中的未知权值参数。利用高斯混合参数对未知权值参数赋予确定的先验条件概率分布, 用于限制权值参数的稀疏性。该方法能够得到重建图像所需要的一组具有较高后验概率密度的模型, 从而实现图像在最小均方误差MMSE意义下的重构; 对于高斯混合模型中参数未知的情况, 可以采用基于EM的最大似然估计方法估计。实验结果表明, 基于贝叶斯匹配追踪的SAR图像重构方法能够获得精确的重建图像, 并且能够有效地保持图像的细节特征。