我们提出了一种简单有效的迭代加权算法通过压缩感测提高图像重建的恢复性能（CS）。 数值实验结果表明，所提出的新方法与标准相比，在图像质量和计算复杂度方面均胜过最小化1 l以及其他迭代加权的1 l算法CS中的图像重建。

超分辨率SRDPNs张量流 tensorflow实现的超分辨率： 我基于双路径网络的超分辨率实现，但与原始网络完全不同，差异如下所示： 我修改了双路径块的结构，以加快训练速度。 我引入了瓶颈以减小尺寸并进行去卷积以恢复细节。 介绍基于VGG19的特征空间的知觉损失和克损失。 依存关系： 张量流> = 1.3.0 Scipy> = 0.18 GPU内存> 7G 用法： 首先，您需要在下载VGG19的模块以进行损耗函数计算。 然后，将下载的文件imagenet-vgg-verydeep-19.mat移到该项目的SRDPNs文件夹中。 供测试用： 打开main.py ，将数据路径更改为您的数据，例如： flags.DEFINE_string("testimg", "2.bmp", "Name of test image") 执行python main.py进行测试，结果将保存在示例

用于3D对象生成和重构的改进的对抗系统： 这是“用于3D对象生成和重建的改进对抗系统”论文的资料库。 这里举行了三个GAN项目。 第一个保存在3D生成文件夹中，是用于生成3D对象的代码。 第二个保存在3D-reconstruction-Image文件夹中，是用于在以图像输入为条件时生成3D对象的代码。 第三个保存在3D-reconstruction-Kinect文件夹中，它是用于从单个透视图深度扫描中重建3D对象的代码。 该图概述了此仓库中使用的3个创生对抗网络。 示例3D生成 由分布为12个方向的10个3D对象类别的分布生成的示例3D对象进行了旋转，以方便查看。 3D-IWGAN的生成能力与3D-GAN的生成能力的比较。 参考： 如果您将此仓库用于研究，请引用我的论文 新工作： 如果您对3D生成和重构感兴趣，请在查看我的新论文的回购。 重构示例： 来自单个图像的示例重建结果。

焦点频率损失 该存储库将提供以下论文的正式代码： 图像重建和合成的焦点频率损失，，和arXiv预印本，2020年。 摘要：由于生成模型的发展，图像重建和合成取得了显着进展。 但是，实际图像和生成的图像之间仍然存在间隙，尤其是在频域中。 在这项研究中，我们表明，在频域中缩小间隙可以进一步改善图像重建和合成质量。 我们提出了一种新颖的焦点频率损耗，它可以使模型自适应地关注那些难以通过对简单频率分量进行加权来合成的频率分量。 这个目标函数是对现有空间损耗的补充，由于神经网络的固有偏差，对重要频率信息的丢失提供了很大的阻抗。 我们展示了聚焦频率损失在感知质量和定量性能方面的多功能性和有效性，以改善诸如VAE，pix2pix和SPADE等流行模型。 我们还将在StyleGAN2上展示其潜力。 更新 [12/2020]焦点频率损失在arXiv上发布。 代码 该代码将公开提供。 敬请期待。 结果

快速核磁共振 | | 通过获取更少的测量值来加快磁共振成像（MRI）的潜力，可以降低医疗成本，将对患者的压力降到最低，并使MR成像在目前速度缓慢或昂贵的应用中成为可能。 是Facebook AI Research（FAIR）和NYU Langone Health的一项合作研究项目，旨在研究使用AI来加快MRI扫描的速度。 纽约大学朗格健康中心已经发布了完全匿名的膝盖和大脑MRI数据集，可以从下载。 可以找到与fastMRI项目相关的出版物。 该存储库包含方便的PyTorch数据加载器，子采样功能，评估指标以及简单基准方法的参考实现。 它还包含fastMRI项目的某些出版物中方法的实现

系统原型，可使用立体图像制作3D重建解决方案。 它可与普通相机配合使用，并且在图像处理过程中不需要大量的存储空间。 它为预算较低的教育环境提供了一种低成本解决方案。

Matlab圆柱绕过代码通过稀疏表示从有限的测量中进行稳健的流场重建 J.Callaham，K.Maeda和SL Brunton的数据分析和数据代码（2018） 取得资料 除了混合层数据（使用DoD资源生成）之外，所有数据都是公开可用的。 Re = 100气缸流量数据可从 NOAA OISST v2数据可用，或者可以使用脚本自动下载到noaa-sst \ remote_read.m中 与HYCOM墨西哥湾数据相同-在线，但是可以使用hycom \ remote_read.m中的脚本自动下载和格式化 所需的包 此处提供的所有代码都是为MATLAB R2018a编写的，并且在很大程度上依赖于免费提供的软件包。 该代码的某些部分还使用了Ron Rubenstein的K-SVD和OMP算法的实现。

MPIReco MPIReco.jl是用于重建磁粉成像（MPI）数据的Julia软件包。 该文档位于以下链接下： 如何给予信用 如果您使用此软件包，请通过以下方式确认我们： T.Knopp，P.Szwargulski，F.Griese，M.Grosser，M.Boberg，M.Möddel（2019）。 MPIReco.jl：用于MPI中图像重建的Julia软件包。 国际磁粒子成像杂志。 5 （1），9 pp。 BibTeX文件直接包含在此软件包MPIReco.bib 。 社区标准 该项目是Julia社区的一部分，并遵循。

matlab3d重构代码

多平面重建使用VTK 使用 VTK-PYTHON 从 CT 扫描数据生成多平面重建。 在医学成像中，计算机断层扫描 (CT) 和磁共振成像 (MRI) 提供人体的三维立体数据集，其中包含这些感兴趣的对象。 然而，从 CT 和 MRI 获得的数据包含许多不太感兴趣或没有兴趣的对象。 这使得没有预处理的体积渲染通常不可能或不准确。 此外，感兴趣的对象几乎不完全位于单个平面内。 出于诊断目的显示管状结构的一种方法是生成纵向横截面，以便在曲面中显示管腔、壁和周围组织。 此过程有时称为多平面重组 (MPR)。 在 linux 机器上安装 python-vtk 和 python： $sudo apt-get install python $sudo apt-get install libvtk5-dev python-vtk 要测试 python-vtk 是否正确安装，以下命令应启动 pyt