https://blog.youkuaiyun.com/notcomplexzh-cnhttps://blog.youkuaiyun.com/https://blog.youkuaiyun.com/notcomplex/article/details/6526085https://blog.youkuaiyun.com/notcomplex/article/details/6526085notcomplexSat, 04 Jun 2011 15:03:00 +0800https://blog.youkuaiyun.com/notcomplex/article/details/6457038https://blog.youkuaiyun.com/notcomplex/article/details/6457038notcomplexTue, 31 May 2011 15:27:00 +0800压缩感知的原理是这样的：你有一张图片，假设是总统的肾脏图片，这不是关键。
图片由一百万个像素构成。对传统成像来说，你不得不进行一百万次量度。而采用压缩感知技术，你只需要量度一小部分，好比说从图像的不同部分随机抽取十万个像素。
从这里开始，有大量的实际上是无穷多的方式填充那剩余的九十万个像素点。
寻找那个唯一正确的表示方式的关键在于
一种叫稀疏度的概念。
所谓稀疏度，是描述图像的复杂性或者其中所缺的一种数学方法。
一幅由少数几个简单、可理]]>https://blog.youkuaiyun.com/notcomplex/article/details/6456379https://blog.youkuaiyun.com/notcomplex/article/details/6456379notcomplexTue, 31 May 2011 11:29:00 +0800基于形态分量分析的图像超分辨重建理论与算法超分辨率重建(super-resolution reconstruction) 是一种由一序列低分辨率退化图像重建一幅(或序列)高分辨率清晰图像的第二代复原技术[1]。
 
超分辨率重建技术综合考虑成像过程中诸如运动变形、光学模糊、低采样率、随机噪声等等各种退化因素，在航空成像、遥感成像、医学成像、层析成像等众多领域具有广泛应用前景。
从数学的角度看，图像超分辨率重建是Hardmard 意义下的非适定数学反问题，因此成为图像]]>https://blog.youkuaiyun.com/notcomplex/article/details/6450378https://blog.youkuaiyun.com/notcomplex/article/details/6450378notcomplexFri, 27 May 2011 16:07:00 +0800模拟信号有带宽,经过采样之后变成采样多少个点]]>https://blog.youkuaiyun.com/notcomplex/article/details/6449711https://blog.youkuaiyun.com/notcomplex/article/details/6449711notcomplexFri, 27 May 2011 11:41:00 +0800　　由于其本身具有广泛的应用潜力，超分辨率重建技术在最近20年中得到了迅速的发展，学者们发展了多种超分辨率重建方法，一些重建方法和技术也在不同的领域得到了具体的应用。此前已有一些国内外文献对超分辨率技术的重建方法及发展现状进行了综述¨ ，但大部分都集中在对基本重建模型与方法的论述上，对超分辨率重建技术的实际应用也罕有介绍。
　一、互补信息来源方式
　　1 基于运动的超分辨率重建，提出利用多幅具有亚像素位移的欠采样影像进行超分辨率重建的方法 。
　　本原理就是把各影像]]>https://blog.youkuaiyun.com/notcomplex/article/details/6449636https://blog.youkuaiyun.com/notcomplex/article/details/6449636notcomplexFri, 27 May 2011 11:23:00 +0800
1、  超分辨率重建
通过对获得的低分辨率图像进行处理以后，一方面能够对成像光学系统的点扩展函数进行反卷积，去除光学系统的影响;另一方面能够获得显示图像的像元总数增加，同时也希望在处理过程中去除相应的成像系统的噪声等。通过这些处理以后，图像的分辨率得到了改善，但获得的并不一定是真实的高分辨率图像，而是对真实高分辨率图像的某种估计，因而通常称所获得的图像为超分辨率图像，相应处理过程为超分辨率图像重建.  
2、  超分辨率重建技术应用
(1)    生物医]]>