最佳分辨率

摘要： 尺度是理解地球系统复杂性的关键准则之一.由地学现象的本身出发,结合具体的遥感研究应用来选择遥感影像最佳分辨率具有重大现实意义.从信息论的角度出发,选取山西太谷作为实验区,利用信息熵方法测试该区域2010年各类植被指数不同分辨率下所包含的信息量(测试分辨率主要有30、60、120、240、480、960 m),获得各类植被指数图像的信息熵随图像分辨率的变化曲线,并据此判定最佳的分辨率尺度.结果表明,当各类植被指数图像分辨率为240 m时,植被指数的信息熵均开始趋于减小,此时图像的信息量基本达到饱和.因此,研究区植被指数的最佳分辨率为240 m.基于信息熵的方法来选择影像最佳分辨率,可以为植被遥感监测提供重要参考.

摘要： 根据微焦点X射线数字成像检测系统在半导体行业中实际应用的要求,通过推导得出微焦点X射线数字成像检测系统的分辨率与放大倍数的数据关系式,并带入到实际的检测系统中,绘制出了系统分辨率与放大倍数关系曲线;通过曲线说明了应用在半导体行业的微焦点X射线数字成像检测系统,在一定放大倍数范围内,系统具有最佳分辨率,并通过实验的数据与理论值对比,验证了结论的正确性.

摘要： [目的]研究坡面微地形DEM最佳分辨率的选择方法.[方法]以2种不同复杂程度的坡面微地形(微地形简单的裸坡小区、微地形复杂的翻耕小区)DEM作为研究对象,分析不同微地形DEM分辨率下坡度中误差(ms)、地表糙度(Cr)和微地形DEM生成时间3个参数的变化,从而确定坡面微地形DEM的最佳分辨率.[结果]采用坡度中误差法可以快速缩小分辨率的选择范围,增强了后续研究的目的性;随着分辨率的变化,2种微地形DEM地表糙度的变化趋势相似,并与分辨率呈幂函数关系;综合考量地表糙度和DEM生成时间,可以确定2种微地形DEM的最佳分辨率,且在源数据相同的情况下,最佳分辨率与微地形复杂程度并不相关.[结论]裸坡小区和翻耕小区DEM的最佳分辨率均为4 mm,运用所建立方法选择微地形DEM的最佳分辨率是可行的.

摘要： 随着遥感图像的广泛应用,图像仿真的意义日益凸显,仿真底图的选择越来越重要.以广西省北海市沙田半岛作为研究区,将GeoEye-1 0.5,2m和HJ-1B CCD1 30 m遥感影像作为仿真底图,升尺度到30 m分辨率后得到仿真影像,选取7种具有代表性的地物样区,通过选取评价指标,对仿真影像与原影像HJ-1BCCD1 30 m的图像质量的差异进行分析.其中由于GeoEye-1与HJ-1B CCD1影像的成像参数不同,对最终的图像质量评价造成影响,对其进行归一化处理,并与遥感影像实际应用中的问题相结合,得出最佳分辨率的结果.

摘要： 去年6月,尼康公司发布了新一代高像素单反相机D810。这款产品不仅在成像质量和拍摄性能方面有了进一步强化,同时在操控性和易用性方面也更至臻完美。如何充分发挥3635万像素的惊人解像力和宽广动态范围？在下面的内容里,笔者将与您分享这台高像素高端相机的使用经验。保持最佳分辨率尼康D810的最大魅力是拥有3635万有效像素,可以输出7360×4912的高精度照片。无论是人像、风光、建筑、生态,3635万像素都能让我们获得分毫毕现的精致细节。

摘要： 当前,虽然有不少老年朋友也用上了电脑,但由于许多应用程序是没有考虑到老年人的特点而设计的,许多时候看起来很吃力。因此,对于我们老年朋友来说,使用电脑往往难以获得非常愉悦的感觉,有时甚至还会因定位不准误操作而产生一些麻烦。其实,若能自己动手进行必要的优化,就能找到最佳视觉感受。

摘要： 现在市面上出售的显示器配置都大同小异,用户购买时更多考虑的是品牌和显示器外观,而并非显示器本身的性能。不过在这千篇一律当中也能发现个性,飞利浦272G5DYEB就是这样的产品,它是号称最适合电竞用户的显示器之一,要说原因让我们往下看。

摘要： 朋友网购了一台三星S24D590PL 23.6英寸显示器,号称支持1080P像素,该显示器带有VGA、双HDMI接口。不过在实际使用时发现,该显示器无论怎样设置都无法达到1080P高清,最大分辨率只有1440×900。究竟是显示器本身分辨率太低,还是由于其他原因造成的？

摘要： 在旗舰智能手机已经上到2560×1440的当下,我们还使用1920×1080甚至以下分辨率的显示器实在有点“Low”。本期来到CFan评测室的是DELL旗下最高端的UP 2715K,它直接跳跃了2K/4K级别,达到夸张的5K分辨率。它究竟会带来怎样的用户体验呢？让我们来一起看一看。

摘要： 本发明公开了一种面向识别的低分辨率人脸图像超分辨率方法。包括：通过少量收集的监控场景降质样本，采用变分自编码网络学习样本数据的降质分布规律；基于数据降质分布规律，通过采样策略扩充服从数据降质分布规律的多样性降质样本；对高分辨率数据样本通过风格迁移网络进行样本降质模拟生成处理，以获取与真实降质样本同分布的对应低分辨率人脸样本；使用高分辨率数据样本和对应生成的低分辨率降质样本对预设的人脸图像超分辨率网络进行训练，直到网络收敛为止。本发明能够使人脸超分辨率增强网络不仅能生成高质量的清晰人脸，同时关注身份信息相关纹理的合成。本发明够在低分辨率样本量较少的情况下，提高监控场景下低分辨率人脸图像的识别率。

摘要： 本发明提供了用于从样本的低分辨率图像产生所述样本的高分辨率图像的方法和系统。一个系统包含经配置以用于获取样本的低分辨率图像的一或多个计算机子系统。所述系统还包含通过所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含深度卷积神经网络，所述深度卷积神经网络包含经配置以用于产生所述低分辨率图像的表示的一或多个第一层。所述深度卷积神经网络还包含经配置以用于从所述低分辨率图像的所述表示产生所述样本的高分辨率图像的一或多个第二层。所述第二层包含经配置以输出所述高分辨率图像并且经配置为子像素卷积层的最终层。

摘要： 本发明公开了基于超分辨率风格迁移网络的遥感影像超分辨率重建方法，包括以下步骤：构建超分辨率风格迁移网络模型；所述超分辨率风格迁移网络模型包括生成部分和判别部分；所述生成部分由超分辨率重建网络SSR和U‑net网络连接而成；利用训练集交替训练所述生成部分和判别部分，得到训练完成的超分辨率风格迁移网络模型；将低分辨率的遥感影像输入至所述训练完成的超分辨率风格迁移网络模型，得到超分辨率遥感影像。本发明克服了传统超分辨率网络模型泛化能力差和重建影像纹理细节丢失等缺点，能够生成清晰度和纹理特征更加接近真实高分辨率遥感图像的重建影像。

摘要： 本发明公开了一种用于低分辨率监控视频的超分辨率重建方法，该方法将低分辨率监控视频帧使用两个不同尺寸的卷积核用于特征表示，之后将两者提取的特征结合作为下一层的输入，并通过残差学习方式使网络训练更加容易，用反卷积层来对于学习到的特征进行超分辨率的重建，然后使用随机梯度下降算法对卷积神经网络优化，获取已训练的网络模型，再将待重建的低分辨率监控图片输入到已训练好的网络模型中，进行监控视频的超分辨率重建。本发明在不提高硬件成本的前提下，提高了监控视频的图像分辨率，使得能够更多地获取辨识人脸所需的特征信息，用于辅助刑事侦查确定犯罪嫌疑人身份，提高了刑事侦查中确定犯罪嫌疑人身份的准确率和效率。

摘要： 本发明公开了一种图像高分辨率装置。反射率推定部(206)利用由光源信息推定部(203)推定的光源信息与由形状信息取得部(204)得到的被摄物的形状信息从由图像摄像部(201)摄像下的原图像制作被摄物的反射率图像。反射率高分辨率化部(207)根据从反射率DB(208)取得的变换规则将反射率图像高分辨率化。图像高分辨率化部(217)利用已被高分辨率化的反射率图像、光源信息与形状信息制作已将原图像高分辨率化的高分辨率图像。

摘要： 本发明利用将与TV影像的劣化程度相应地特定出的PSF的亮度分布、由TV影像的Y(亮度)成分构成的劣化图像的亮度分布及复原图像初始值的推定亮度分布作为输入信息来多次执行基于Bayse概率论的基于实数的迭代运算的、基于软件或硬件的PSF复原单元及图像复原单元，来求出劣化图像的亮度分布的最大似然的复原图像的推定亮度分布，并将其替换在提取了劣化图像的亮度分布时的TV影像的Y成分，由此接近实时地提供与劣化前的状态近似的TV影像，从而解决上述课题。

摘要： 本发明的课题在于，提供解决接近实时地减少TV影像的1帧内的光学劣化以复原成劣化前的原图像的装置的规模为150万逻辑门这种大规模的问题的方法及装置。本发明为在如下的图像复原单元中通过进行2次迭代运算来接近实时地提供与劣化前的原图像近似的TV影像的方法以及7万逻辑门规模的装置：将TV影像的1帧作为劣化图像的亮度分布及复原图像初始值的推定亮度分布，将与劣化图像的劣化程度相应地特定出的第一PSF的亮度分布用于第一次迭代运算，将通过图像复原单元复原第一PSF的亮度分布而得到的第二PSF的亮度分布用于第二次迭代运算，一边将由第一次迭代运算得到的复原图像的推定亮度分布作为第二次复原图像初始值的推定亮度分布，一边通过基于Bayse概率论的实数运算，求出劣化图像的亮度分布的最大似然的复原图像的推定亮度分布。

摘要： 一种使用混合分辨率方法的高分辨率全景VR生成器，其将来自HR相机环的高分辨率(HR)图像块放置在一个LR相机的360度低分辨率(LR)图像上，所述LR相机从相机环向上指向一个全景镜，LR相机视野是所有多个HR相机视野的合并，但分辨率较低。由相邻HR相机之间视差所引起的重影会被消除，因为目标位置是由所述360度LR图像确定。通过组合不同深度的目标以获得单应矩阵，每个HR图像被单应投影成3个投影。所述360度LR图像被放大到HR，并对这个放大的HR图像，在所述3个投影里的搜索窗口内搜索一个查询图像块。通过和查询图像块的相似性，最佳匹配图像块被加权处理，以合成产生一个重建图像块，其放置在一个重建HR全景图像里，放置位置即查询图像块的位置。

摘要： 本公开关于一种图像超分辨率方法、图像超分辨率模型训练方法、装置、设备及介质。图像超分辨率方法包括：获取原始分辨率图像；将原始分辨率图像输入训练完成的图像超分辨率模型，得到与原始分辨率图像匹配的目标分辨率图像；训练完成的图像超分辨率模型为基于原始分辨率样本图像、原始分辨率样本图像匹配的目标分辨率样本图像，以及中间分辨率样本图像训练得到；原始分辨率低于目标分辨率，中间分辨率样本图像根据原始分辨率样本图像和目标分辨率样本图像得到；中间分辨率介于原始分辨率和目标分辨率之间；将目标分辨率图像，作为原始分辨率图像的超分辨率处理结果。本公开可以提高图像超分辨率模型的模型精度，进而提高图像细节的处理效果。

摘要： 本申请涉及采用低分辨率DAC转换高分辨率模拟量的方法和装置。方法包括：获取目标分辨率和参考电压；根据目标分辨率和低分辨率DAC芯片的现有分辨率，设置低分辨率DAC芯片的输出通道的数量以及每个输出通道对应的输出分辨率；根据目标分辨率和所目标输出电压，计算输出码值；根据输出码值和输出通道的数量，计算各个输出通道的通道码值和各个输出通道的通道电压；根据输出通道的数量、输出分辨率和通道电压，对并行数据进行拆分，得到多个低分辨率的数据码值，发送到DAC芯片后输出为通道输出电压；对各个输出通道的通道输出电压进行处理，得到目标输出电压的高分辨率稳定恒压输出。本申请能够采用低分辨率DAC芯片转换出高分辨率的模拟量。