|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
一種基于 GPU 加速的 DEM 超分辨率方法
本發(fā)明公開了一種基于 GPU 加速的 DEM 超分辨率方法。包括： (1)利用插值方法將低分辨率 DEM 學(xué)習(xí)數(shù)據(jù)擴充 K 倍，使其與高分辨 率 DEM 學(xué)習(xí)數(shù)據(jù)達到同一尺度；同時將待重建的 DEM 數(shù)據(jù)通過相同 的插值方法擴充 K 倍，得到低分辨率 DEM 重建數(shù)據(jù)；(2)分別將高分 辨率 DEM 學(xué)習(xí)數(shù)據(jù)、低分辨率 DEM 學(xué)習(xí)數(shù)據(jù)和低分辨率 DEM 重建 數(shù)據(jù)分為一系列大小為 N×N 的相互重疊的區(qū)域塊；(3)對低分辨率 DEM 重建數(shù)據(jù)的每一個區(qū)域塊，在低分辨率 DEM 學(xué)習(xí)數(shù)據(jù)中進行相 似
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于圖像序列的超分辨率成像技術(shù)
基于真實成像模型，圖像序列/視頻數(shù)據(jù)的通用超分辨率重建方法；對弱紋理目標的高清重建，對超精細紋理的精確預(yù)測與重建。
東南大學(xué)
2021-04-11
院.jpg){kind=logo}
基于仿生視覺的時空超分辨率重建方法研究
目前現(xiàn)有方法通過對常規(guī)模型算法的修改，或引入諸多約束條件, 或?qū)ο闰災(zāi)Ｐ偷暮唵胃呕⒒蛲ㄟ^學(xué)習(xí)（非生物）的方法獲取先驗知 識參與重建等，以解決時空超分辨率圖像重建的求解病態(tài)或不適定問 題，仍不同程度地存在著一定的局限性。本項研究受蠅類視覺系統(tǒng)的 啟發(fā)，與以往研究策略和角度不同，首先，有別于目前面向圖像或視 頻全域的時空超分辨率信息處理模式，基于生物視覺對感興趣區(qū)域或 目標物體的注意機制，構(gòu)建多序列圖像的時空超分辨率仿蠅重建信息 處理系統(tǒng)模式。其次，通過超視銳度機理、大小場景系統(tǒng)、以及“共
南京工程學(xué)院
2021-01-12
.jpg){kind=logo}
多分辨率模型庫
? 研究面向分布式虛擬環(huán)境數(shù)據(jù)管理系統(tǒng)的底層支撐環(huán)境。通過建立協(xié)同開發(fā)方式的系統(tǒng)，提高仿真資源的可重用性，縮短開發(fā)過程，充分共享資源并且為仿真環(huán)境提供高效的資源管理機制。研究包括對統(tǒng)一資源命名和定位管理技術(shù)的研究；分布式文件系統(tǒng)在分布式仿真環(huán)境中的應(yīng)用及在此基礎(chǔ)上實現(xiàn)的資源集成；數(shù)據(jù)的標準化表示和傳輸?shù)难芯俊Ｔ摷夹g(shù)目前已經(jīng)在一體化仿真平臺上得到了初步的應(yīng)用。
北京理工大學(xué)
2021-04-14
多分辨率模型庫（技術(shù)）
成果簡介：研究面向分布式虛擬環(huán)境數(shù)據(jù)管理系統(tǒng)的底層支撐環(huán)境。通過建 立協(xié)同開發(fā)方式的系統(tǒng)，提高仿真資源的可重用性，縮短開發(fā)過程，充分共享資源并且為仿真環(huán)境提供高效的資源管理機制。研究包括對統(tǒng)一資源命名 和定位管理技術(shù)的研究；分布式文件系統(tǒng)在分布式仿真環(huán)境中的應(yīng)用及在此 基礎(chǔ)上實現(xiàn)的資源集成；數(shù)據(jù)的標準化表示和傳輸?shù)难芯俊Ｔ摷夹g(shù)目前已經(jīng) 在一體化仿真平臺上得到了初步的應(yīng)用。 項目來源：自主開發(fā) 技術(shù)領(lǐng)域：計算機應(yīng)用技術(shù)，仿真技術(shù)
北京理工大學(xué)
2021-04-14
一種基于低分辨率氣象云圖生成高分辨率云圖的方法
本發(fā)明公開了一種基于低分辨率氣象云圖生成高分辨率云圖的方法，包括以下步驟：（1）對原始低分辨率云圖進行降級處理；（2）分別對原始低分辨率云圖和降級后的云圖進行分塊操作并編號；（3）（4）計算值域塊中的每個子塊與(3)中仿射變換后的子塊匹配誤差，并保存匹配誤差最小的子塊序號、灰度變換對比度因子及灰度變換的亮度因子；（5）根據(jù)計算得出的變換因子參數(shù)矩陣及云圖局部與整體基于統(tǒng)計學(xué)的自相似性，對輸入圖像進行分形迭代；（6）得
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于字典漸近更新的人臉圖像超分辨率方法
一種基于字典漸近更新的人臉圖像超分辨率方法:在訓(xùn)練階段，采用去一法對低分辨率人臉圖像訓(xùn) 練集的每張低分辨率人臉圖像進行超分辨率重構(gòu)，得到一層低分辨率中間字典;以此低分辨率中間字典 作為新的低分辨率人臉圖像訓(xùn)練集輸入，重構(gòu)得到新一層的低分辨率中間字典;重復(fù)上述過程，最終得 到多層低分辨率中間字典。在測試階段，根據(jù)輸入的低分辨率人臉圖像，上一層低分辨率中間字典和高 分辨率人臉圖像訓(xùn)練集，對輸入低分辨率人臉圖像進行超分辨率重構(gòu)，得到預(yù)估高分辨率人臉圖像;重 復(fù)上述過程，最終重構(gòu)出高分辨率人臉圖像。本發(fā)明可得到更高質(zhì)量、與真實情況更為接近的重建效果。
武漢大學(xué)
2021-04-13
一種用于數(shù)字高程模型的超分辨率方法及其系統(tǒng)
本發(fā)明公開了一種數(shù)字高程模型 DEM 超分辨率的方法，包括：建立高分辨率 DEM 與低分辨率 DEM 的位置映射，對每一個低分辨率DEM 測試區(qū)的子區(qū)域在低分辨率 DEM 搜索區(qū)進行相似塊查找與相似性估計，選取相似性最高的一系列子區(qū)域作為相似塊，將查找到的一系列相似塊映射回高分辨率 DEM 實測區(qū),將這些對應(yīng)的高分辨率 DEM實測區(qū)子區(qū)域塊按其對應(yīng)的相似權(quán)重相加得到一個新的子區(qū)域,將上述超分辨率后的高分辨率 DEM 缺失區(qū)的子區(qū)域拼接起來，加上高分辨率 DEM 實測區(qū)已有的數(shù)據(jù)就為一個完整的高分辨率
華中科技大學(xué)
2021-04-14
基于數(shù)據(jù)驅(qū)動局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法
一種基于數(shù)據(jù)驅(qū)動局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法，包括對待重建的輸入低分辨率人臉 圖像和高、低分辨率訓(xùn)練集相應(yīng)劃分相互重疊的圖像塊;對于輸入低分辨率人臉圖像的每一個位置上的 圖像塊，分別從低分辨率人臉樣本圖像對應(yīng)位置的圖像塊中找出 K 個最近鄰的圖像塊，并對應(yīng)找出相應(yīng) 高分辨率人臉樣本圖像中的圖像塊，進行去均值化;利用映射系數(shù)計算出各圖像塊相應(yīng)的高分辨率人臉 圖像塊，重構(gòu)出高分辨率人臉圖像，進行迭代后處理。本發(fā)明解決了主成分分析無法捕獲處于高維流形 空間人臉特征的問題，利用局部流形的線性特性有效的進行了噪聲人臉圖像的超分辨率重建，同時進行 高分辨率圖像后處理，進一步提高了重建結(jié)果的主、客觀圖像質(zhì)量。
武漢大學(xué)
2021-04-13
院大學(xué).jpg){kind=logo}
高分辨率?CMOS?數(shù)字相機
已有樣品/n高分辨率數(shù)字相機是機器視覺與工業(yè)檢測中影像獲取的主要手段。 隨著成像技術(shù)的發(fā)展， CMOS成像技術(shù)由于其高分辨率、 低成本、 全數(shù)字化等優(yōu)點， 獲得越來越廣泛的應(yīng)用。 采用高性能CMOS探測器及FPGA等技術(shù)研制的高分辨率CMOS數(shù)字相機，能廣泛應(yīng)用于工業(yè)檢測、 交通、 大樓等監(jiān)視系統(tǒng)中。
中國科學(xué)院大學(xué)
2021-01-12