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

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

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。

鉴于目前很少有论文讨论完整的由单幅二维灰度图像重构物体表面形状的算法，包括它的控制参数的估计及算法的实现，介绍了一种完整的SFS算法。它在考虑自遮掩影响的情况下，有效地估计了SFS算法中涉及的各种控制参数，并引入亮度约束、灰度梯度约束和可积性约束，计算出表面高度和表面向量，实现三维重构。与传统的算法相比，本算法无论是在速度还是在精度方面都达到了比较高的水平，具有一定的应用前景。最后还指出了在MATLAB中实现需要注意的问题。

基于残差神经网络的矿井图像重构方法.pdf

基于小波-OMP算法的图像压缩传感恢复，有图像，有数据，有代码，有文章！运行可靠！基于小波-OMP算法的图像压缩传感恢复，有图像，有数据，有代码，有文章！运行可靠！

为了提高现有块压缩感知重构算法的性能，提出了基于全变分和混合变分模型的块压缩感知（简称BCS-TV和BCS-MV）算法。该方法以块为单位进行图像采样，以自然图像正则项的稀疏性为先验条件，通过变型的增广拉格朗日交替方向乘子法(ALM-ADMM)，在整幅图像范围内逼近目标函数来重构原始图像。与以前基于一致性块采样的压缩感知工作对比，该算法的PSNR约提高1.5 dB,SSIM约提高0.05，运行速度较稳定，特别适合具有固定传输时延的多媒体数据处理场合。

SfS算法，最原始的，绝对经典。对搞计算机视觉图像重构的同志大有帮HornSfS算法，最原始的，绝对经典。对搞计算机视觉图像重构的同志大有帮HornSfS算法，最原始的，绝对经典。对搞计算机视觉图像重构的同志大有帮Horn