X-CT图像重建算法是现代断层成像技术的基础。
1. 仿真头模型的建立2. 仿真投影数据的获得3. 直接反投影法CT图像重建4. 滤波（或卷积）反投影法CT图像重建
1. 仿真头模型的建立2. 仿真投影数据的获得3. 直接反投影法CT图像重建4. 滤波（或卷积）反投影法CT图像重建
2025/8/9 21:09:43
2.02MB
1
这里主要讲深度学习用在超分辨率重建上的开山之作SRCNN。
超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。
SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像重建出高分辨率图像。
基于深度学习的SR，主要是基于单张低分辨率的重建方法，即SingleImageSuper-Resolution(SISR)。
SR方法主要可以分为四种模型：基于边缘，基于图像统计，基于样本（基于补丁）的方法。
本文的SRCNN网络结构非常简单，仅仅只有三层网络就是实现了SR。
网络结构如下图所示：
超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。
SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像重建出高分辨率图像。
基于深度学习的SR，主要是基于单张低分辨率的重建方法，即SingleImageSuper-Resolution(SISR)。
SR方法主要可以分为四种模型：基于边缘，基于图像统计，基于样本（基于补丁）的方法。
本文的SRCNN网络结构非常简单，仅仅只有三层网络就是实现了SR。
网络结构如下图所示：
2025/7/5 4:41:07
84.93MB
1
超分辨图像重建数据集：包括训练集，训练集DIV2K有7G(提供下载地址)，5个测试集Set5，Set14，BSD100，URBAN100，MANGA109
2025/5/23 3:23:33
204.93MB
1
近年来,随着各种新型荧光探针的出现和成像方法的改进,远场光学成像的分辨率已经突破了衍射极限的限制。
基于结构光照明的荧光显微技术凭借成像速度快、光毒性弱等优点,已成为目前主流的超分辨成像技术之一。
实现结构光照明超分辨显微成像的关键在于照明光场的精准调控和后期的超分辨图像重建算法,否则将会在重建的超分辨图像中产生不可预估的伪影,混淆对观测结构真实形态的判断。
详细对比了几种典型的结构光照明显微超分辨重建算法,证明基于图像重组变换的结构光照明超分辨图像重建算法可以有效解决极低结构光场调制度下的超分辨图像重建问题,降低结构光照明显微中的激发光功率。
基于结构光照明的荧光显微技术凭借成像速度快、光毒性弱等优点,已成为目前主流的超分辨成像技术之一。
实现结构光照明超分辨显微成像的关键在于照明光场的精准调控和后期的超分辨图像重建算法,否则将会在重建的超分辨图像中产生不可预估的伪影,混淆对观测结构真实形态的判断。
详细对比了几种典型的结构光照明显微超分辨重建算法,证明基于图像重组变换的结构光照明超分辨图像重建算法可以有效解决极低结构光场调制度下的超分辨图像重建问题,降低结构光照明显微中的激发光功率。
2024/9/25 18:30:29
13.65MB
1
何凯明引导滤波以及快速引导滤波相关论文、PPT以及代码。
引导滤波：即需要引导图的滤波器，引导图可以是单独的图像或者是输入图像，当引导图为输入图像时，引导滤波就成为一个保持边缘的滤波操作，可以用于图像重建的滤波。
引导滤波：即需要引导图的滤波器，引导图可以是单独的图像或者是输入图像，当引导图为输入图像时，引导滤波就成为一个保持边缘的滤波操作，可以用于图像重建的滤波。
2024/5/6 18:43:08
16.39MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB