图像超分
又是三年奈何多
希望找到一份互联网公司的工作
展开
-
基于自然图像先验的贝叶斯超分重建
基于自然图像先验的贝叶斯超分重建 一:摘要: 一般方法:用贝叶斯模型来描述问题,然后得到最大后验概率解,就成为一个正则化回归的问题,但是这并不能充分利用概率模型的优势。另外,目前的贝叶斯SR方法用后验均值估计,用比较简单的后验均值模型以保证效率。本文提出一种贝叶斯SR方法,用高阶MRF模型作为自然图像的先验。最后使用MMSE准则来估计SR图像。使用MCMC采样方法来得到最后的MMSE方法的解。翻译 2014-11-29 21:32:08 · 4268 阅读 · 0 评论 -
A generative Perspective on MRFs in Low-level Vision
MRF(A generative Perspective on MRFs in Low-level Vision) 摘要: MRF是先验知识比较流行的概率模型。利用简单势函数的MRF模型和有效的GIbbs采样,我们发现一般的模型不能很好地获得自然图像的统计。我们用这个模型通过计算贝叶斯最小均方差(MMSE),通过采样的方法来处理了图像复原。指出了一般MRF模型的缺点。实验表明把我们学习得到的翻译 2015-01-06 20:25:48 · 668 阅读 · 0 评论