超分辨率成像是將物體的幾張低分辨率照片組合以形成單個高分辨率估計的過程。我們研究了這個過程的每個組成部分：圖像採集、配準和重建。開發了一種基於離散脈衝變換的新特徵檢測器。我們展示瞭如何有效地實現和存儲變換，以及如何使用統計比較來匹配特徵，該比較在輕度幾何變換下改善相關性。為了簡化重建，成像模型被線性化，然後引入基於多邊形的插值算子來對底層相機傳感器進行建模。最後，使用正則化解決了一個大型的、稀疏的、超定的線性方程組。

一个小小的实验，按分辨率缩放比例调整窗体、控件、字体大小。

翻译了一下TDAN，网络结构详解会在以后逐步更新

叶面积指数（Leaf Area Index, LAI）定义为单位地表面积上叶子表面积总和的一半，是刻画植被结构和功能的重要参数。基于多种传感器数据（包括Terra/MODIS、Aqua/MODIS、FY-3A/VIRR、FY-3B/VIRR、FY-3A/MERSI、FY-3B/MERSI），结合DEM和地表分类图，在对遥感数据的质量进行分级基础上，利用随机辐射传输模型查找表反演LAI，得到2015年1 km/5 day的LAI数据；将5 day分辨率的LAI数据经过时间序列重建后的累加结果除以该年天数，得到年平均叶面积指数（AMLAI），即及其毗邻区域1 km分辨率年平均叶面积指数数据集（2015）。

SRGAN-PyTorch 该资源库包含在纸上的非官方pyTorch实施SRGAN也SRResNet的，CVPR17。 我们密切关注原始SRGAN和SRResNet的网络结构，培训策略和培训设置。 我们还CVPR16将子像素卷积层实现为。 也分享了对该存储库的贡献。 许可和引文 所有代码和其他材料（包括但不限于表格）仅用于学术研究目的，不提供任何担保。 任何商业用途都需要我们的同意。 如果我们的工作对您的研究有所帮助，或者您在研究中使用了代码的任何部分，请适当确认： @InProceedings{ledigsrgan17,    author = {Christian Ledig and Lucas Theis and Ferenc Huszár and Jose Caballero and Andrew Cunningham and Alejandro Acosta and

快速设置屏幕分辨率

srcnn_x2_pth srcnn_x3_pth srcnn_x4_pth 超分辨率模型下载

自调分辨率生成jscam.swf文件，详细操作步骤查看readme。【jquery webcam plugin 使用】

详细介绍哨兵Sentinel-2卫星的信息，包括此卫星的应用，参数等信息。

帮助用户机器视觉中的选型，包括分辨率的计算、焦距的计算等。