重获取图像是原始或篡改后的图像经过中间媒介的映射后再次拍摄获取的图像，一张高质量的重获取伪造图像很难通过人眼判别真伪。针对JPEG格式的重获取图像篡改操作，提出了一种重压缩块效应网格偏移的检测方法。重获取图像由于再获取过程会引入与原图不相关的背景信息，该图像进行多次压缩会产生块效应网格偏移，即重压缩产生的块效应网格会与原始的网格错匹配，利用图像的平均信息损失量进行块效应网格是否发生偏移来检测图像的原始性。实验表明，该方法比已有的重获取图像检测方法准确率更高，且平均检测时间更短。

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

基于双线性内插法的图像重采样，程序使用matlab编写，可对原始图像做任意方式的分辨率变换。 在图像的放大和缩小的过程中，需要计算新图像像素点在原图的位置，如果计算的位置不是整数，就需要用到图像的内插，我们需要寻找在原图中最近得像素点赋值给新的像素点，这种方法很简单是最近邻插法，这种方法好理解、简单，但是不实用，会产生是真现象，产生棋盘格效应，更实用的方法就是双线性内插，

本程序需要先安装和配置好vtk环境才能编译并以命令行方式运行。 vkt环境以及其他软件见本人其他资源

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