從ML-EM 重建算法入手，分析了貝葉斯模型的一些關鍵點，針對采用傳統方法求解MAP問題的局限性，提出一種用于正電子成像的貝葉斯神經網絡重建算法，為了保留邊緣信息，引入了二進制的保邊緣變量，并應用共軛神經網絡求解，模擬的重建結果表明，應用這種算法可以得到比ML-EM 算法更好的重建圖像@
上傳時間： 2013-12-03
上傳用戶：ztj182002
超分辨率重建算法的碩士論文，主要介紹了超分辨率重建技術概述，及采用最大后驗概率完成超分辨率重建的具體過程，有重要參考價值
上傳時間： 2017-08-22
上傳用戶：宋桃子
X射線造影圖像中血管的三維重建--文獻綜述
上傳時間： 2014-01-05
上傳用戶：banyou
最全面的計算機圖形學算法書籍,包括各種二維和三維圖形算法過程的詳細解釋
上傳時間： 2014-01-21
上傳用戶：athjac
研究了基于醫學圖像的三維重建, 從一系列二維斷層醫學圖像中重構出三維實體, 以便滿足醫學應用。
上傳時間： 2017-09-03
上傳用戶：zm7516678
這里有三個music算法用于來波方向估計的算法，不同的表述，專門用來做對比用的
上傳時間： 2017-09-27
上傳用戶：1159797854
基于圖像的三維重建，基于圖像的三維重建，基于圖像的三維重建，基于圖像的三維重建，基于圖像的三維重建
標簽： 基于圖像的三維重建
上傳時間： 2015-05-11
上傳用戶：614364980
該文檔為嵌入式雙目視覺系統和三維重建技術研究總結文檔，是一份很不錯的參考資料，具有較高參考價值，感興趣的可以下載看看………………
標簽： 嵌入式
上傳時間： 2022-03-21
上傳用戶：
OpencV是用來實現計算機視覺相關技術的開放源碼工作庫，是計算機視覺、圖像處理、模式識別、計算機圖形學、信號處理、視頻監控、科學可視化等相關從業人員的好工具。本書介紹了大約200多個典型的技術問題，覆蓋了基于OpenCV基礎編程的主要內容，利用大量生動有趣的編程案例和編程技巧，從解決問題和答疑解惑入手，以因特網上最新資料為藍本，深入淺出地說明了OpenCV中最典型和用途最廣的程序設計方法。全書結構清晰、合理，范例實用、豐富，理論結合實踐，即使讀者只是略懂計算機視覺原理，也能人手對相關理論方法直接進行編碼實現。 "基于OPENCV的計算機視覺技術實現"的圖書目錄…… 前言 第一章 使用OpenCV實現計算機視覺技術 1.1 計算機視覺技術 1.2 什么是OpenCV 1.3 基于OpenCV庫的編程方法 本章小結 第二章 OpenCV的編程環境 2.1 OpenCV環境介紹 2.2 OpenCV的體系結構 2.3 OpenCV實例演示 本章小結 第三章 OpenCV編程風格 3.1 命名約定 3.2 結構 3.3 函數接口設計 3.4 函數實現 3.5 代碼布局 3.6 移植性 3.7 文件操作 3.8 文檔編寫 本章小結 第四章 數據結構 4.1 基本數據結構 4.2 數組有關的操作 4.3 動態結構 本章小結 第五章 數據交互 5.1 繪圖函數 5.2 文件存儲 5.3 運行時類型信息和通用函數 5.4 錯誤處理函數 5.5 系統函數 本章小結 第六章 圖像處理 6.1 邊緣檢測 6.2 直方圖 6.3 Hough變換 6.4 幾何變換 6.5 形態學 本章小結 第七章 結構與識別 7.1 輪廓處理函數 7.2 計算幾何 7.3 平面劃分 7.4 目標檢測函數 7.5 生成與控制貝塞爾曲線 7.6 用OpenCV進行人臉檢測 本章小結 第八章 圖形界面（HighGUI） 8.1 讀取和保存圖像 8.2 OpenCV中的實用系統函數 本章小結 第九章 視頻處理（CvCAM） 9.1 使用HighGUI對視頻進行讀寫處理 9.2 CvCam對攝像頭和視頻流的使用 本章小結 第十章 OpenCV附加庫第一部分 10.1 附加庫介紹 10.2 形態學（morhing functions） 本章小結 第十一章 OpenCV附加庫第二部分——隱馬爾可夫模型 11.1 隱馬爾可夫模型概述 11.2 隱馬爾可夫模型中的基本結構與函數介紹 11.3 隱馬爾可夫模型中的函數介紹 11.4 人臉識別工具 本章小結 第十二章 核心庫綜合例程 12.1 檢測黑白格標定板內指定矩形區域內的角點 12.2 解線性標定方程組程序 本章小結 第十三章 運動與跟蹤 13.1 圖像統計的累積函數 13.2 運動模板函數 13.3 對象跟蹤 13.4 光流 13.5 預估器 13.6 Kalman濾波器跟蹤示例 13.7 用Snake方法檢測可變形體的輪廓 13.8 運動目標跟蹤與檢測 本章小結 第十四章 立體視覺第一部分——照相機定標 14.1 坐標系介紹 14.2 透視投影矩陣的獲得 14.3 攝像機參數的獲取 14.4 徑向畸變的校正 14.5 使用OpenCV及CVUT進行攝像機定標 14.6 OpenCV中的定標函數 14.7 CVUT介紹 本章小結 第十五章 立體視覺第二部分——三維重建 15.1 極線幾何 15.2 特征點匹配 15.3 三維重建 15.4 OpenCV中相關函數介紹 本章小結 第十六章 立體視覺第三部分——三維重建算法 16.1 圖像校正 16.2 已校正圖像的快速三維重建 16.3 Birchfield算法 16.4 OpenCV中相關函數介紹 本章小結 第十七章 立體視覺第四部分——立體視覺實例 17.1 圖像校正實例代碼 17.2 基于窗口的稀疏點匹配及三維重建之一 17.3 基于窗口的稀疏點匹配及三維重建之二 17.4 Birchfield算法的OpenCV實現 本章小結 第十八章 常見問題解疑 18.1 安裝與編譯出錯解決方法 18.2 OpenCV庫基本技術問題 18.3 OpenCV在Linux下的相關問題 18.4 OpenCV庫中的陷阱和bug
上傳時間： 2013-07-18
上傳用戶：huyiming139
在當今的廣播系統中，絕大部分的視頻信號是隔行采樣的。采用這種掃描格式，能夠大幅度地減少視頻的帶寬，但也會引起彩色爬行、畫面閃爍、邊緣模糊及鋸齒等現象。這種缺陷經人尺寸屏幕放大后就更加明顯。為改善畫面的視覺效果，去隔行技術應運而生。同時，視頻信號本身的低幀頻也會導致行抖動、線爬行以及大面積閃爍等視覺效果上的缺陷。增加掃描頻率會把這些視覺缺陷搬移到人眼不敏感的高頻區域上去從而產生較好的主觀圖象質量。而為了適應不同顯示終端以及對圖像大小變化的要求就必須對原始信號分辨率即每幀行數和每行像素數進行變換。因此去隔行、幀頻轉換、分辨率變換成為視頻格式轉換的基本內容。 FPGA 的出現是VLSI技術和EDA技術發展的結果。FPGA器件集成度高、體積小，具有通過用戶編程實現專門應用的功能。它允許電路設計者利用基于計算機的開發平臺，經過設計輸入、仿真、測試和校驗，直到達到預期的結果。使用FPGA器件可以大大縮短系統的研制周期，減少資金投入。另外采用FPGA器件可以將原來的電路板級產品集成芯片級產品，從而降低了功耗，提高了可靠性，同時還可以很方便的對設計進行在線修改。 該文在介紹了視頻格式轉換中的主要算法后，重點對去隔行、幀頻轉換、分辨率變換的FPGA綜合實現方案進行了由簡單到復雜的深入研究，分別給出了最簡解決方案、基于非線性算法的解決方案和基于運動補償的解決方案。最簡解決方案利用線性算法將去隔行，幀頻轉換，分辨率變換三項處理同時實現，達到FPGA內部資源和外部RAM耗用量都為最小的要求，是后續復雜方案的基礎。其中去隔行采用場合并方式，幀頻轉換采用幀重復方式，分辨率變換采用均勻插值方式。基于非線性算法的解決方案中加入了對靜止區域的判斷，靜止區域的輸出像素值直接選用相應位置的已存輸入數據，非靜止區域的輸出像素值通過對已存輸入數據進行非線性運算得出。基于運動補償的解決方案在對靜止區域進行判斷和處理的基礎上，對欲生成的變頻后的場間插值幀進行運動估計，根據運動矢量得出非靜止區域的輸出像素值。其中為求得輸入場間相應時間位置上的插值幀輸出數據，該方案采用了自定義的前后向塊匹配運動估計方式，通過對三步搜索算法的高效實現，將SAD 值進行比較得出運動矢量。
上傳時間： 2013-07-19
上傳用戶：米卡
