本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。
2022-07-17 19:06:12
1.18MB
1
本算法是就何凯明论文《Single Image Haze Removal Using Dark Channel Prior》的c++复现，我用的运行环境是VS2019+opencv3.4.14，只要把代码复制到配置好opencv环境的项目下运行即可。本算法包括求取暗通道图、计算大气光强、计算透射率图、细化折射率图等具体算法步骤和注释，细化方案采取的是导向滤波，代码中导向滤波包含普通和快速的导向滤波算法，运行速度快。供大家参考学习。
2022-07-05 09:40:31
3KB
1
我们希望通过这项研究，能够完成一套能够生成高质量的逼真的人脸图像的系统，能够做到如下几个方面的内容：
1.1与传统的图像补绘方法不同，人脸补绘需要目标对象的内容、轮廓和结构信息，以实现真实的输出。
1.2考虑人脸的特殊特征，充分挖掘和利用人脸所包含的信息，以生成和谐自然的人脸。
1.3对大面积缺失的人脸信息进行补全，注重对特征自然和谐的人脸部位的重建，在结构和外观上保持一致的情况下，为缺失的关键部件生成新的语义像素。
适用大学生参考学习。
大创-大学生创新创业训练计划项目申报书-软件-基于人脸先验信息的人脸图像补全研究-参考
2022-06-22 12:05:20
805KB
1
针对传统Takagi-Sugeno-Kan(TSK)模糊系统处理大规模数据时间代价较高的问题,提出一种基于概率模型框架的L2型TSK模糊系统建模策略,建立具有处理大规模数据能力的贝叶斯L2型TSK模糊系统(B-TSK-FS).具体地,基于L2型TSK模糊系统的输出误差概率化表示,对系统前后件参数联合学习,提高系统的泛化能力.另外,引入狄利克雷先验分布函数,对模糊隶属度稀疏化表示,实现样本的压缩,降低运算时间.在模拟和真实数据集上的实验结果验证了所提出模糊系统的优势.
2022-06-07 19:39:54
315KB
1
在车牌先验知识的基础上提出了一种基于垂直投影特征值的分割方法。大量实验表明，该算法能够快速找到字符之间的最优分割点，并自动去除车牌垂直边框和其他噪声点的干扰，适用于各种质量的车牌图像，分割准确率较高。
2022-05-09 22:25:24
197KB
1