记录分辨率对Ⅱ三维重建分辨率的影响

三维全景图像技术（Integral lmaging,简称Ⅱ）是一种能够记录和显示全真三维场景的图像技术。分辨率低一直是限制该技术发展的最重要因素之一,而其中记录分辨率对三维重建分辨率的影响尤其突出,但目前这方面的研究较少且与实际不符。在深度优先的Ⅱ系统中分析研究记录分辨率对Ⅱ三维重建分辨率的影响,推导出记录分辨率与深度的关系,并以实验验证所得结果。对Ⅱ成像系统优化参数设计、物体空间分辨率分析及未来三维电视的数据处理具有重要意义。     

基于II三维重建的facet-braiding现象分析

三维全景图像技术(Integral Imaging,简称II)是一种能够记录和显示全真三维场景的图像技术。该技术采用微透镜阵列记录空间场景,空间任意一点的深度信息只需通过一次成像即可直接获得。Facet braiding是三维全景图像中一种很重要的视觉现象,该现象造成图像失真,影响了图像的观看效果。Ref. 6中Martine} Cuenca从单个元素图像的角度对该现象进行了分析,现从三维重建的角度对该现象的出现与否进行对比验证。先用光学软件模拟深度优先、参考平面在无穷远处的传统II成像系统,然后在该模拟系统中进行对比实验,结果并未出现Ref. 6中提到的facet braiding现象。该结果对II的视角分析、物体的精确三维重建及空间分辫率分析具有重要意义。     

基于深度学习的图像超分辨率复原研究进展

图像超分辨率复原（Super resolution restoration,SR）技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向.     

基于深度学习的超分辨率图像重建研究综述

目前超分辨率图像重建技术是计算机视觉领域的研究热点,随着深度学习的发展,基于深度学习的超分辨率图像重建技术已经取得了一定的研究成果.论文回顾了典型的超分辨率图像重建的深度网络模型,对超分辨率图像重建的深度学习算法和网络结构进行介绍,比较分析了不同模型的优缺点,从本质上发现并提出了超分辨率图像重建的一些问题.在此基础上,提出了基于深度学习的超分辨率图像重建方法未来的研究趋势.     

基于深度学习的单幅图片超分辨率重构研究进展

图像超分辨率重构技术是一种以一幅或同一场景中的多幅低分辨率图像为输入, 结合图像的先验知识重构出一幅高分辨率图像的技术. 这一技术能够在不改变现有硬件设备的前提下, 有效提高图像分辨率. 深度学习近年来在图像领域发展迅猛, 它的引入为单幅图片超分辨率重构带来了新的发展前景. 本文主要对当前基于深度学习的单幅图片超分辨率重构方法的研究现状和发展趋势进行总结梳理: 首先根据不同的网络基础对十几种基于深度学习的单幅图片超分辨率重构的网络模型进行分类介绍, 分析这些模型在网络结构、输入信息、损失函数、放大因子以及评价指标等方面的差异; 然后给出它们的实验结果, 并对实验结果及存在的问题进行总结与分析; 最后给出基于深度学习的单幅图片超分辨率重构方法的未来发展方向和存在的挑战.     

图像超分辨率方法研究进展

随着计算机理论与技术的发展,图像超分辨率理论和技术手段不断取得新的进步,发展出插值法、重构法和学习法等一系列方法。报告了图像超分辨率的研究进展,梳理了主要的图像超分辨率方法,阐述了几种较为重要的深度学习超分辨率模型,总结了当前图像超分辨率的发展趋势,对超分辨率的研究提出了展望。     

单幅图像超分辨率重建技术研究进展

图像分辨率是衡量一幅图像质量的重要标准. 在军事、医学和安防等领域, 高分辨率图像是专业人士分析问题并做出准确判断的前提. 根据成像采集设备、退化因素等条件对低分辨率图像进行超分辨率重建成为一个既具有研究价值又极具挑战性的难点问题. 首先简述了图像超分辨率重建的概念、重建思想和方法分类; 然后重点分析用于单幅图像超分辨率重建的空域方法, 梳理基于插值和基于学习两大类重建方法中的代表性算法及其特点; 之后结合用于超分辨率重建技术的数据集, 重点分析比较了传统超分辨率重建方法和基于深度学习的典型超分辨率重建方法的性能; 最后对图像超分辨率重建未来的发展趋势进行展望.     

图像超分辨率重建的研究进展

图像超分辨率重建技术对于输入的低分辨率图像进行相关处理,从而重构出高分辨率图像,该技术已经成为图像处理研究领域的一个热点方向。对超分辨率图像重建的研究进展进行了综述。阐述了图像超分辨率重建的基本原理。对基于重建的图像超分辨重建中：IBP,POCS等算法,基于学习的图像超分辨率重建中：稀疏表示,基于深度神经网络等算法及一些相关改进的算法进行了综述。对图像超分辨率重建的研究提出了展望。     

深度卷积神经网络图像超分辨率重建方法研究

基于深度卷积神经网络算法实现网络图像超分辨率重建技术，为满足图像的超分辨率精度检测和构建需求，通过构建图像融合技术来实现图像重建架构，形成以机器人视觉系统数据为主体的控制模块，实现对网络图像超分辨率的图像融合分析的目标，完成深度卷积神经网络图像重建。在深度卷积神经网络图像的构建过程中，注意神经网络输出数据决策方案和图像的自适应预置模块设计，分析深度卷积神经网络的各层节点数，平衡图像分辨率数据深度卷积过程中的信息损失量，提升图像分辨率数据的重建精度。     

图像超分辨率技术的回顾与展望

图像超分辨率(SR)是计算机视觉中提高图像和视频分辨率的一类重要技术。近年来,得益于神经网络的成功,基于深度学习的图像超分辨率技术正在蓬勃发展,这无疑是超分辨率技术研究的主流方向。对超分辨率工作进行综述。首先,总结目前已有的超分辨率技术,根据其输入输出进行分类介绍;其次,将基于深度学习的单图像超分辨率技术分为有监督学习和无监督学习两类进行论述,并对部分具有代表性的最新超分辨率重建技术进行总结分类介绍;然后,讨论了超分辨率技术的相关问题,即性能评价指标、标准数据集,进而对几种典型算法进行实验对比;最后,对图像超分辨率算法未来的研究趋势进行展望。     

PET时间分辨率和能量分辨率互换性探讨

探讨了正电子断层扫描系统中时间分辨率和能量分辨率的互换性,提出了时间分辨率的提高可以弥补能量分辨率的不足带来的缺陷。基于高速的PCI数据采集卡,设计了面向PET的高时间分辨率和高能量分辨率的实时数据采集系统。在此基础上,考虑成本和空间位置信息等因素,可以帮助PET系统设计选择优化系统性能的时间分辨率和能量分辨率。     

Resolution on formula-trees

Summary We introduce a nonclausal resolution calculus on formula-trees which comprises classical resolution as a special case. The resolvents produced in this calculus are more structure preserving than in nonclausal resolution by Murray and Manna and Waldinger and simpler than in nested resolution by Traugott. Proofs of correctness and completeness are given. In some examples, first experiences made when implementing the calculus are discussed.     

Multilingual Anaphora Resolution

This paper presents amultilingual robust, knowledge-poor approach to resolvingpronouns in technical manuals. This approach is a modification of the practicalapproach (Mitkov 1998a) and operates on texts pre-processed by apart-of-speech tagger. Input is checked against agreementand a number of antecedent indicators. Candidates are assigned scores by eachindicator and the candidate with the highest aggregate score isreturned as the antecedent. We propose this approach as aplatform for multilingual pronoun resolution. The robust approach was initiallydeveloped and tested for English, but we have also adaptedand tested it for Polish and Arabic. For bothlanguages, we found that adaptation required minimummodification and that further, even if used unmodified, the approachdelivers acceptable success rates. Preliminary evaluation reports high successrates in the range of over 90%.     

Resolution for Max-SAT

Max-SAT is the problem of finding an assignment minimizing the number of unsatisfied clauses in a CNF formula. We propose a resolution-like calculus for Max-SAT and prove its soundness and completeness. We also prove the completeness of some refinements of this calculus. From the completeness proof we derive an exact algorithm for Max-SAT and a time upper bound.We also define a weighted Max-SAT resolution-like rule, and show how to adapt the soundness and completeness proofs of the Max-SAT rule to the weighted Max-SAT rule.Finally, we give several particular Max-SAT problems that require an exponential number of steps of our Max-SAT rule to obtain the minimal number of unsatisfied clauses of the combinatorial principle. These results are based on the corresponding resolution lower bounds for those particular problems.     

Resolution is Cut-Free

In this article, we show that the extension of the resolution proof system to deduction modulo is equivalent to the cut-free fragment of the sequent calculus modulo. The result is obtained through a syntactic translation, without using any cut-elimination procedure. Additionally, we show Skolem theorem and inversion/focusing results. Thanks to the expressiveness of deduction modulo, all these results also apply to the cases of higher-order resolution, Peano’s arithmetic and Gentzen’s LK.     

高分辨率表意性绘制

随着实际应用需求日趋复杂,表意性绘制在如何提高计算效率、数据吞吐性能和绘制效果方面都存在着挑战.文中面向大规模三维数据可视化应用,提出一个高效的交互式表意性绘制框架.首先基于Map Reduce并行计算框架提出一种自适应的三维模型高分辨率并行光栅化方法;然后设计了一种称为可交互像素块(IPB)的数据存储格式;再基于IPB提出一种适于在线交互的高分辨率表意性绘制方案,以满足非真实感着色、轮廓线和透明等多种效果的集成显示;最终实现了一种基于浏览器-服务器(B/S)架构的轻量化交互可视化服务.对于任意的三维模型,文中方法只需要对其进行一次并行光栅化预处理即可提供在线服务,满足用户对大规模三维模型的各种表意性绘制和交互探索的需求.实验结果表明,该方法适用于大规模CAD设计、博物馆交互展示以及旅游景区指示等大规模场景可视化应用.     

归结原理及其应用

归结演绎推理是一种在计算机上得到较好实现的基于归结原理的推理技术,介绍归结原理的基本思想以及它在自动推理中的应用。