srgan-tensorflow超分辨率图像重建

基于VTK开源软件包，结合Java applet编程，采用Java applet签名技术对程序进行签名认证。实现了Web方式下DICOM医学图像的三维重建，在重建的三维体上清晰显示出了人体器官的解剖结构,重建可在Internet上以Web模式跨平台运行,并可在三维体上进行交互切割和模拟手术开窗。分析用Java applet实现基于Web的医学断层图像三维重建是可行的,且实现的系统便于维护和升级，说明在临床上有很大应用价值。

ASCLEPIUS 用于学习使用VTK进行医学影像的三维重建 编译与运行 将vtk-lib目录添加到系统Path中(仅支持Windows x64) 修改运行配置：指定JRE配置项为$JAVA_HOME$\jre 编译运行

针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题, 提出了一种基于深层残差网络的加速图像超分辨率重建方法, 该方法在提高图像分辨率的同时加快收敛速度。设计更深的卷积神经网络模型来提高精确度, 通过残差学习并且使用Adam优化方法使网络模型加速收敛。在原始低分辨率图像上直接进行特征映射, 只在网络的末端引入子像素卷积层, 将像素进行重新排列, 得到高分辨率图像。实验结果表明, 在set 5, set 14, BSD100测试集上, 所提算法的峰值信噪比与结构相似性指数均高于现有的几种算法, 能够恢复更多的图像细节, 图像边缘也更加完整且收敛速度更快。

python 四种方法解析重建二叉树，七种方法遍历二叉树 四种方法解析重建二叉树包括： 1、通过对象实例的左右儿子方法重建 2、通过键盘输入先序遍历重建 3、通过先序遍历的列表重建 4、通过层序遍历列表重建 七种方法遍历 递归方法前、中、后序遍历 堆栈方法前、中、后序遍历 队列层序遍历 并有打印显示二叉树方法

著名3D库VTK的.net 封装版本。基于VTK9.2 编译，64位。 原本是官方发布收费的版本，破解后可以无限期使用

针对序列图像超分辨率重建非局部均值（non-local means，NLM）算法重建结果图像边缘区域过平滑的问题，提出了一种局部参数自适应改进方法。将整幅图像划分为图像子块，然后根据图像子块平均像素信息计算出其对应的滤波参数，这样有助于减少因整幅图像使用统一滤波参数而导致的某些高频信息的丢失。实验结果表明，与经典NLM重构算法相比，改进算法重建出的结果图像的轮廓边缘更清晰，字符辨识度更高；在算法实现方面，图像重构程序在CPU/GPU平台上实现，使用GPU并行化加速的程序比单CPU运算的程序，加速比最高可达

你好， 只是为了提供帮助并获得一些快速的初步结果，我加载了 3 个重建算法和一个处理器脚本来调用前向算子和每个算法，即 CGNE、Tikhonov 重建和滞后扩散率定点迭代。 我只是想从任何使用代码的人那里得到一些反馈。 代码中提供了可以找到更多信息的参考资料。 不需要任何版权或许可，因为这不是一个完整的专业工具箱，结果应该不会太多，但我仍然需要填写一些框来完成此加载。 让我简要介绍一下这里算法中没有的东西； 算法并没有真正处理噪音，因为这必须由用户针对每个问题进行定义。 滞后扩散率算法的正则化参数选择属于我们的隐私，因为它是一些数学运算的结果。 此外，要为每个问题定义边界条件。 附图是将代码应用到 Per Christian Hansen 提供的 tomo.m 文件后的滞后扩散算法的结果。 我还在 Emission Tomography 上测试了相同的代码，其前向算子和测量由 John

使用基于openmvg+openmvs开发的三维重建算法效果，可以使用meshlab展示。效果不错。

这是本人跑Meshroom时自己拍摄的数据集，一共34张图片，也是原帖所使用的数据集。