基于python+tensorflow的srcnn超分辨率重构代码（基本可以达到论文中的效果），优于基本上网上的大部分代码，网上大部分代码效果离理想效果差5-6db，而我这个资源把里面的坑踩掉了。可以结合我主页的博客看会更容易理解。下载后请先阅读说明文档。对应博客：https://blog.csdn.net/weixin_43723423/article/details/108368746

LayoutNet v2 我的IJCV论文的PyTorch实施： 从单幅360图像重建曼哈顿房间布局：最先进方法的比较研究 新增：我们的注释数据集已发布！ LayoutNet的原始Torch实现在。 LayoutNet的改进 扩展到曼哈顿总体布局（在我们新标记的MatterportLayout数据集上） 使用ResNet编码器而不是SegNet编码器 培训细节和实施细节 基于梯度上升的后期优化，根据Sunset1995的PyTorch修订 添加数据增强 要求 Python 3 PyTorch> = 0.4.0 numpy，scipy，泡菜，skimage，sklearn，随机，cv2，匀称 火炬视觉 Matlab（用于深度渲染） 下载数据和预先训练的模型 下载，并将其放在./model/文件夹下。 下载经过，并将它们放在./data/文件夹下。 从原始下载gt，并在下载已处理的然后将其放在./data/文件夹下 （可选）下载原始LayoutNet的.t7，并将其放在./data/文件夹下 下载我们新标记的，并将其放在./data/文件夹下。 从经过Matterport

利用小波分解对含噪声图像进行阈值去噪，重构得到新图像。小波去噪算法实现，非常好用..

提出了一种能够将点云数据与对应图像进行三维图像 重建的算

本工具箱包含常用的压缩感知图像重构算法，如OMP,BP,IHT,等算法，非常齐全。

运用小波变换，通过图像重构，分解细节向量，增强细节信息，实现图像细节信息增强。

可以直接在matlab里面运行的代码，不用自己编译，网上整理了好久的资源 计算机视觉 图形图像

基于改进K-SVD 字典学习的超分辨率图像重构，很好，推荐