VMware_ESXI_OpenSLP_PoC CVE-2020-3992和CVE-2019-5544 在VMware Workstation上安装的ESXI上进行了测试。 如果是在真正的机器上，则可能需要更改srvtype字段（服务：VMwareInfrastructure）。

去噪声代码matlab CNN-POCS CNN-POCS算法用于地震数据插值。 该存储库包含该文章的可复制代码。也可以访问此文章，但是它已经过时了。 要求和依存关系 该存储库取决于Matlab和matconvnet。 建议使用Matlab 2018a和1.0beta25之后的版本。 培训过程/ gpu测试需要CUDA。 请参考以设置您的环境。 CNN-POCS工作流程 训练 培训代码可以在中找到。 地震数据插值与去噪 我们提供了一些演示来重现一些结果。 使用自然图像的预训练模型位于folder中。 双曲事件数据和合成3D数据包含在中。 提供用于测试CNN-POCS算法进行地震数据插值的方法。 提供了使用自然图像预训练的CNN模型测试2D地震数据的去噪功能。 提供用于测试降噪3D地震数据的工具。 引文 如果此存储库可帮助您进行研究，请考虑引用我们的工作 @article{zhang2020can, title={Can learning from natural image denoising be used for seismic data interpolation?}, auth

 超分辨率复原技术的基本思想就是采用信号处理的方法，在改善图像质量的同时，重建成像系统截至频率外的信息。POCS（凸集投影）算法是一种广泛应用于图像超分辨率复原的方法。针对传统的POCS算法的边缘振荡效应，在分析其产生的原因，造成的影响的基础上，采用改进的POCS算法，以减少边缘振荡。采用基于小波变换模极大值的改进POCS算法进行图像超分辨率复原。实验结果表明，该方法有效的较少了复原图像的边缘振荡效应，是一种有效的图像超分辨率复原方法。

提供一个界面，通过设置可以用多种方法进行图像重建，比较其效果，算法包括插值法，pocs等

利用MATLAB实现了超分辨率重建实现的pocs（projection onto convex sets）算法，对学习POCS有一定的帮助

运动估计是图像超分辨率复原重要的步骤，直接影响最终的复原结果。针对运动估计中特征点匹配的问题，提出运用改进加速鲁棒特征（SURF）算法对图像的特征点进行匹配。再使用凸集投影（POCS）算法重建图像序列，最终得到复原的高分辨率图像。所提出的基于改进SURF算法的POCS算法对比其他图像复原算法，得到了峰值信噪比值较高、均方误差较低的复原图像，说明该算法的有效性。

针对传统的凸集投影(POCS)算法重建后的结果图像存在边缘模糊的问题，提出了一种通过小波变换与分形插值得到高分辨率初始图像的估计方法。该方法通过对一幅图像进行小波分解得到低频重构图像和高频重构图像，对高频重构图像使用分形插值保留了图像的纹理和边缘信息。仿真实验结果表明，该方法可行有效，改善了图像的边缘特性及整体质量，与传统的POCS算法相比，本文方法提高了重建图像的峰值信噪比。

超分辨率图像处理 从几幅图象中提取像素合成新的比较清晰的图像-super-resolution image processing images from pieces of pixels from the synthesis of new clearer images 文件列表(点击判断是否您需要的文件): superresolution_v_2.0 .....................\.DS_Store .....................\application .....................\...........\.DS_Store .....................\...........\applicability.m .....................\...........\c2p.m .....................\...........\Contents.m .....................\...........\create_images.m .....................\...........\estimate_motion.m .....................\...........\estimate_rotation.m .....................\...........\estimate_shift.m .....................\...........\generatePSF.m .....................\...........\generation.fig .....................\...........\generation.m .....................\...........\gpl .....................\...........\html .....................\...........\....\.DS_Store .....................\...........\....\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 .

利用MATLAB实现了星座图扩展法（Active Constellation Extension，ACE）降低OFDM时域信号的PARR

序列图像的超分辨率重建指的是利用一系列已经获得的分辨率相对比较低的图像，通过现有的技术手段以及方法，恢复出较高分辨率图像的方法。每一幅低分辨率图像只能提供高分辨率图像的部分信息。超分辨率重建具有多方面的优点，比如不涉及硬件以及成本相对较低等。基于此，该技术在刑侦、交通、军事以及生活中都具有广泛的应用前景和实用价值。论文简述了图像超分辨率重建的关键技术和方法，详细介绍了超分辨率重建的MAP算法和POCS算法，重点分析了两种常用算法各自的评价结果并且对两种算法进行了比较实验。实验结果表明，两种方法具有不同的优点以及应用范围，从而对序列图像的超分辨率重建的过程以及评价有了相对较深入的认识。