图像超分辨率技术
图像超分辨率(Image Super Resolution)是指由一幅低分辨率图像或图像序列恢复出高分辨率图像。图像超分辨率技术分为超分辨率复原和超分辨率重建。目前, 图像超分辨率研究可分为 3个主要范畴: 基于插值、 基于重建和基于学习的方法.
zhihua_bupt
极客码农,Coding the life,Coding the world!!!
展开
-
机器学习——深度学习(Deep Learning)
Deep Learning是机器学习中一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,最近研究了机器学习中一些深度学习的相关知识,本文给出一些很有用的资料和心得。Key Words:有监督学习与无监督学习,分类、回归,密度估计、聚类,深度学习,Sparse DBN,1. 有监督学习和无监督学习给定一组数据(inpu转载 2016-01-22 15:04:46 · 3399 阅读 · 1 评论 -
机器学习实战笔记——基于KNN算法的手写识别系统
利用k-近邻分类器实现手写识别系统,训练数据集大约2000个样本,每个数字大约有200个样本,每个样本保存在一个txt文件中,手写体图像本身是32X32的二值图像,如下图所示:首先,我们需要将图像格式化处理为一个向量,把一个32X32的二进制图像矩阵通过img2vector()函数转换为1X1024的向量:def img2vector(filename): retu原创 2016-01-17 14:16:50 · 4653 阅读 · 2 评论 -
机器学习实战笔记——利用KNN算法改进约会网站的配对效果
一、案例背景我的朋友海伦一直使用在线约会网站寻找合适自己的约会对象。尽管约会网站会推荐不同的人选,但她并不是喜欢每一个人。经过一番总结,她发现曾交往过三种类型的人:(1)不喜欢的人;(2)魅力一般的人;(3)极具魅力的人;尽管发现了上述规律,但海伦依然无法将约会网站推荐的匹配对象归入恰当的分类,她觉得可以在周一到周五约会那些魅力一般的人,而周末则更喜欢与那些极具魅力的人为伴原创 2016-01-17 12:57:55 · 6591 阅读 · 4 评论 -
机器学习实战笔记——KNN算法
一、KNN算法描述KNN(K-nearest neighbor algorithm),也就是K近邻算法,顾名思义,可以形象的理解为求K个最近的邻居。当K=1时,KNN算法就成了最近邻算法,即寻找最近的那个邻居。所谓K近邻算法,就是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(就是上面提到的K个邻居),如果这K个实例的多数属于某个类,就将该输入实例分类到这个原创 2016-01-15 10:01:20 · 3407 阅读 · 0 评论 -
机器学习实战笔记——基于SVD的图像压缩
原始图像大小为32 X 32=1024像素,利用SVD来对数据降维,实现图像的压缩新建一个svdRec.py文件,加入如下代码:#printMat()函数用于打印矩阵 def printMat(inMat, thresh=0.8): for i in range(32): for k in range(32): if fl原创 2016-01-11 17:32:07 · 5662 阅读 · 3 评论 -
机器学习实战笔记——利用SVD简化数据
SVD(Singular Value Decomposition)奇异值分解,可以用来简化数据,去除噪声,提高算法的结果。一、SVD与推荐系统下图由餐馆的菜和品菜师对这些菜的意见组成,品菜师可以采用1到5之间的任意一个整数来对菜评级,如果品菜师没有尝过某道菜,则评级为0建立一个新文件svdRec.py并加入如下代码:def loadExData(): return[原创 2016-01-11 11:07:53 · 5327 阅读 · 8 评论 -
稀疏表示字典的显示(MATLAB实现代码)
本文主要是实现论文--基于稀疏表示的图像超分辨率《Image Super-Resolution Via Sparse Representation》中的Figure2,通过对100000个高分辨率和低分辨率图像块训练得到的高分辨率图像块字典,字典原子总数为512,原子大小为9X9方法一:clc;clear all;% load dictionaryload('Diction原创 2016-01-05 19:34:14 · 30867 阅读 · 36 评论 -
OpenCV的imshow无法正常显示图片
问题:OpenCV的imshow无法正常显示图片解决方法:在imshow()语句下一句添加waitKey(30) int main(){ inputImg = imread("input.bmp"); imshow("input image", inputImg);//显示原图 //waitKey(30); imgSplit(inputImg);//求取M(x) imgBlur原创 2016-01-04 14:18:53 · 21045 阅读 · 2 评论 -
Python实现K-means聚类
kmeans是最简单的聚类算法之一,但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用,选取适当的k,将数据分类后,然后分类研究不同聚类下数据的特点。kmeans算法步骤:1 随机选取k个中心点2 遍历所有数据,将每个数据划分到最近的中心点中3 计算每个聚类的平均值,并作为新的中心点4 重复2-3,直到这k个中线点不再变原创 2015-11-21 17:19:31 · 2985 阅读 · 0 评论 -
压缩感知——沃尔什-哈达玛(WHT)变换与逆变换的Matlab代码实现
沃尔什-哈达玛变换(Walsh-Hadmard Transform,WHT),是一种典型的非正弦函数变换,采用正交直角函数作为基函数,具有与傅里叶函数类似的性质,图像数据越是均匀分布,经过沃尔什-哈达玛变换后的数据越是集中于矩阵的边角上,因此沃尔什变换具有能量集中的性质,可以用于压缩图像信息。Matlab中的Hadamard函数:格式:H=hadamard( n ) ,返回一个 n * n原创 2015-11-25 16:48:14 · 29744 阅读 · 8 评论 -
LBP纹理特征
局部二进制模式(Local binary patterns,LBP)最早是作为一种有有效的纹理描述算子提出的,由于其对图像局部纹理特征的卓越描绘能力而获得了非常广泛的应用。LBP特征具有很强的分类能力(Highly Discriminative)、较高的计算效率并且对于单调的灰度变化具有不变性。LBP方法在1994年首先由T. Ojala, M.Pietikäinen, 和 D. Harwoo原创 2015-09-16 22:46:34 · 8269 阅读 · 5 评论 -
图像超分辨技术(Image Super Resolution)
原创 2015-06-04 22:36:42 · 14928 阅读 · 11 评论