基于结构相似度的单幅图像正则超分辨复原

图像具有大量的局部结构相似区域,并且这种相似性可以在多个尺度上保持。基于这一特征,利用结构相似指标进行相似性匹配生成相似的低分辨率图像序列,从而把单幅图像的超分辨问题转化为图像序列超分辨问题来解决。文中提出了一种新的自适应的正则化方法,正则参数的选取使得目标函数存在全局最优解。最后证明了算法的收敛性。实验表明,该方法具有很好的复原效果。     

基于八叉树的海量测量数据的非均匀简化

提出了一种高效的非均匀简化方法：先求出数据集的最小立方体包围盒,应用八叉树原理将其分割成八个小立方体;然后计算每个非空立方体中局部离散曲面的曲面变分和包含的点数,并根据用户给定的曲面变分阈值和点数阈值决定是否继续分割;最后为每个叶子立方体保留一个点。应用实例表明,该方法速度快,能很好地保留原始数据的几何特征,适用于复杂的测量数据。