Huber-Markov先验模型相关

随机概率重建-MAP算法

随机概率重建:利用贝叶斯理论作为框架,理想图像的先验知识作为约束条件进行图像重建。常用的随机概率超分辨率重建包括最大后验概率估计法(MAP)和极大似然估计法(ML)。

MAP算法最早由Schultz和Stevenson引入,针对运动估计过程的病态性,利用Huber-Markov先验模型将超分辨率问题转变为一个具有唯一解的条件最优问题。

Hardie等提出一种同时与超分辨率图像和配准参数有关的MAP代价函数,该方法对误差具有较强的稳定性。

Cheeseman基于高斯先验模型和Bayes估计方法融合多幅卫星图像,从而得到高分辨率图像。

Elad等提出一种等价于Tikhonov正则化的MAP估计问题,重点讨论了多帧低分辨率图像重建的数学模型,并结合POCS方法提出ML/MAP/POCS的超分辨率重建方法。

另外,Sementilli、Lorette、Farsiu等对MAP超分辨率重建算法也作了深入研究,MAP重建已成为目前应用广泛的超分辨重建算法。

《文献》白俊奇. 高分辨率红外成像中的图像处理算法研究[D]. 南京理工大学, 2010.

 

转载于:https://www.cnblogs.com/wxl845235800/p/10142504.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值