简介：综述图像超分辨率重建技术的研究与发展,超分辨率重建技术是一个从低分辨率输入中重建一个高分辨率图像或图像序列的过程。介绍基于插值、重建以及学习的超分辨重建方法,分析各类算法中具有代表性的一种或几种算法,讨论算法在重建过程中使用的技术和改进,以及重建图像存在的优缺点,并对技术发展趋势进行展望。

简介：对于海底地形测量,基于FT波束形成的幅度检测法空间分辨率较低,只能较准确给出有限测点的水深信息;平坦海底前提下,分裂子阵检测法或多子阵检测法可以得到连续测点的水深信息,复杂海底地形条件下,这两种方法均难以应用.能否利用高分辨率波束形成器来提高测深系统的空间分辨率是一个值得研究的问题.使用ESPRIT波束形成器处理了多波束测深系统的试验数据,并就其性能与FT波束形成器进行了比较与分析.

简介：摘要

简介：摘 要：现阶段所面临的干扰环境愈加的复杂多变，在对副瓣电平实施控制的时候，相应的雷达系统需要实现更高的增益与自由度。因此，可针对基于相控阵MIMO雷达的抗干扰波束形成算法进行研究，进而推进该领域的进一步发展。对此，文章针对相控阵MIMO雷达抗干扰波束形成算法进行了研究。

简介：在无源毫米波成像中，因为受天线孔径大小的限制而导致获取的图像分辨率低，所以必须采取有效后处理措施增强分辨率。提出了一种改进的POCS超分辨率算法，该算法结合了Wiener滤波器复原算法和凸集投影（POCS）算法的优点，使用Wiener滤波复原算法恢复图像通带内的低频分量，运用POCS算法作为主迭代过程实现频谱外推，同时保证低频分量不被破坏。实验结果表明，该算法增强了图像的分辨率，改善了收敛速度，减少了计算量，有利于无源毫米波成像超分辨率的实时实现。

简介：摘要：相控阵天气雷达较新一代天气雷达在时空分辨率上有明显的优势。随着探测能力的提高，相控阵雷达数据量急剧增长，数据传输和存储问题凸显。现有天气雷达数据压缩算法可以减少传输和存储的数据量，但现有算法并未充分考虑相控阵雷达特点，数据压缩率有较大提升空间。提出相控阵天气雷达数据压缩算法,首先对数据进行下采样,对下采样数据进行预测编码得到预测残差,再将下采样数据进行超分辨率重建得到重建残差,组合预测残差和重建残差进行熵编码输出,实现数据无损压缩。

简介：大规模平面数字阵列雷达因为其优点得到广泛应用，但其全自适应处理实现困难，实际中广泛采用部分自适应处理，子阵结构就是其中的一种重要方法。该文针对有幅度加权的均匀平面阵，以各子阵噪声输出功率相等为原则进行非均匀邻接子阵划分，并通过归一化算法保证各子阵噪声功率相等，进而对平面阵子阵结构的波束形成性能进行了研究。计算机模拟仿真结果表明，该子阵结构的二维相扫和一维相扫的自适应方向图保形良好，可以达到与全自适应相接近的干扰抑制性能。

简介：摘要：本研究旨在探讨编码损伤修复与视频超分辨率协同处理算法的设计与优化。在编码损伤修复方面，研究了运动估计、损伤模式识别和深度学习的应用。在视频超分辨率领域，强调了多尺度处理、运动估计和深度学习模型的重要性。此外，本研究还介绍了一些优化策略，如并行化、硬件加速和稀疏表示，这些研究旨在提高视频处理质量和效率，为相关领域提供有益的指导。

简介：摘要：图像超分辨率重建这一研究主题在图像处理，摄影，测量乃至计算机视觉等领域都由来已久且发展前景广阔。稀疏表示理论这一研究方向最初是视觉神经系统领域提出的，这一研究方向为图像的处理提供了一个新的思路，随着这几年来对图像超分辨率的不断研究和探索，稀疏表示已经逐渐成为该领域的一个研究潮流。本文主要研究了稀疏表示理论，在光学遥感影像超分辨率重建领域的实践运用和发展方向。并且围绕稀疏表示理论中字典学习系统和算法这一理论方向深入探究遥感影像超分辨率重建的学习系统和算法，希望通过这方面的研究为往后深层次的探究提供参考方向。

简介：摘要：随着深度学习的快速发展，各个领域的算法取得了重大突破，Transformer在超分辨率领域中被广泛使用。因此本文应用了注意力机制的Transformer进行超分辨率任务，主要介绍了超分辨率的基本构造和性能指标。

简介：标准分辨率是指投影机投出的图像原始分辨率，也叫真实分辨率和物理分辨率。和物理分辨率对应的是压缩分辨率，决定图像清晰程度的是物理分辨率，决定投影机的适用范围的是压缩分辨率。物理分辨率即LCD液晶板的分辨率。在LCD液晶板上通过网格来划分液晶体，一个液晶体为一个像素点。

简介：本文提出一种智能天线降维的频域自适应波束形成（RFD—ABF）算法，该算法先对接收信号进行FFT，然后再带通滤波，最后通过LMS算法实现了频域的自适应波束形成。此算法可以有效降低信号的维数，消除干扰信号，大大降低计算量和存储量，通过对此算法收敛速度和有效抑制干扰的仿真，验证了智能天线降维频域波束形成算法的可行性，为智能天线技术在第三代移动通信系统应用提供理论基础。

简介：介绍了超分辨率复原方法的概念和理论基础；重点总结了常用的超分辨率复原方法，并对相关的理论依据、优缺点和适用范围进行了详尽分析；对超分辨率复原方法的未来发展进行了展望。超分辨率复原方法分为频域法和空域法。频域复原法原理简单清楚，计算方便，但是所建立的运动模型都是平移模型，不具有一般性，同时难以利用正则化约束，因而导致难以使用图像的先验信息进行超分辨率复原。空域复原法可以很方便地建立复杂的运动模型，同时考虑了几乎所有的图像降质因素，例如噪声、降采样、由非零孔径时间造成的模糊、光学系统降质和运动模糊等，还可以加入更完善的先验知识，相比于频域复原法，空域超分辨率复原模型更符合实际的图像退化过程，是目前应用最广泛的一类超分辨率复原方法。

简介：本文通过仿真实验研究了单帧低分辨率图像的超分辨率重建技术。首先,阐述了用于单帧超分辨率重建的插值法、IBP法和POCS法,然后通过matlab7.0仿真程序验证了双三次插值法、双线性插值法、POCS法和IBP法,并根据仿真实验的结果分析这些方法重建效果的好坏。实验结果表明,实验结果证明,双线性插值方法的重建结果要优于双三次插值的重建结果;IBP的重建效果要优于POCS方法;对于IBP和POCS来说,2种方法都能获得较好的重建结果,并且用于图像的帧数越多,重建的效果越好;此外,客观评价方法与主观评价方法有时不能获得相同的评价结果,但在多数情况下,客观评价方法都能取得与主观评价方法一致的结果。

简介：摘要

简介：当前，自适应数字波束形成算法已经在通信等科技领域中得到了广泛的应用。但是当阵列导引向量存在误差或者协方差矩阵估计不准确时，会导致常规的波束形成算法性能恶化。稳健的自适应波束形成算法，则可以较好地克服上述误差带来的性能下降问题。针对以上问题，提出了一种基于协方差矩阵重构特征子空间投影的稳健波束形成算法，并对该稳健波束形成算法进行了分析，最后通过仿真来验证算法的稳健性。

简介：

简介：提出了一种参数自适应的图像超分辨率重建方法.在基于稀疏表示的图像超分辨率重建的经典算法模型框架下,正则化参数可以根据每个图像补丁本身情况自适应地确定,从而克服了人为选择参数且所有补丁参数需一致的缺点,因此使图像重建效果得到提升.实验结果表明,我们所提方法在不同尺寸扩大因子和噪声环境下都优于人工确定参数的情形,三种评价指标均表明所提方法是有效的.

简介：摘要：图像的超分辨率重建具体是指借助相关算法提升图片分辨率的技术。当前，人工智能和数字化的不断推进，使得单幅图像超分辨率重建在医学成像领域得到长足发展和广泛推广。本文重点从图像超分辨率技术研究现状、在医学领域应用、基于深度学习的单幅超分辨率重建技术的处理流程以及基于深度学习的单模图像超分辨率重建技术及其对比等方面进行介绍与分析，并对制约基于深度学习的单模图像超分辨率重建技术的问题进行剖析。

简介：摘要：近年来，深度卷积神经网络（CNNs）在图像超分辨率（SISR）上取得了优异的性能。然而，大多数基于cnn的深度SR模型由于其接受域较小，不能捕获全局环境，也不能充分利用中间特征，这限制了它们的性能和应用。为了解决这一问题，我们提出了一种基于窗口注意机制的图像超分辨率重建网络。