-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統(tǒng)關鍵技術
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創(chuàng)新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學的問題與脈絡
視頻衛(wèi)星監(jiān)測技術 版權信息
- ISBN:9787030704139
- 條形碼:9787030704139 ; 978-7-03-070413-9
- 裝幀:一般膠版紙
- 冊數(shù):暫無
- 重量:暫無
- 所屬分類:>
視頻衛(wèi)星監(jiān)測技術 內(nèi)容簡介
本書分別從數(shù)據(jù)、算法、示例的角度系統(tǒng)闡述視頻衛(wèi)星監(jiān)測技術。第1章概述衛(wèi)星視頻監(jiān)測技術;第2章介紹視頻衛(wèi)星及其影像特點;第3章詳細介紹視頻超分辨率重建的基本概念、難點、關鍵技術及面向視頻衛(wèi)星影像設計的快速時空殘差網(wǎng)絡和其改進網(wǎng)絡;第4~6章層層遞進地闡述面向視頻衛(wèi)星目標跟蹤的關鍵技術:特征提取、目標跟蹤模型及提高跟蹤魯棒性的后處理方法;第7章進一步展示典型的衛(wèi)星視頻目標跟蹤算法,包括基于光流特征的多幀差跟蹤算法、基于背景剪除策略的跟蹤算法、混合核相關濾波跟蹤算法、高分辨率孿生網(wǎng)絡跟蹤算法及傳統(tǒng)跟蹤領域中具有代表性的10種算法;第8章對視頻衛(wèi)星監(jiān)測技術發(fā)展趨勢進行展望。
視頻衛(wèi)星監(jiān)測技術 目錄
第1章緒論1
1.1概述1
1.1.1視頻衛(wèi)星監(jiān)測技術的由來1
1.1.2視頻衛(wèi)星監(jiān)測技術的基本概念和特征3
1.2視頻衛(wèi)星監(jiān)測的關鍵技術5
1.2.1超分辨率重建技術5
1.2.2特征提取方法6
1.2.3目標跟蹤模型7
1.2.4后處理方法8
1.3視頻衛(wèi)星監(jiān)測技術的發(fā)展、現(xiàn)狀和難點9
1.3.1視頻衛(wèi)星監(jiān)測技術的發(fā)展9
1.3.2國內(nèi)外視頻衛(wèi)星監(jiān)測技術現(xiàn)狀13
1.3.3視頻衛(wèi)星監(jiān)測技術的難點14
1.4視頻衛(wèi)星監(jiān)測技術的主要應用15
1.4.1三維重建15
1.4.2大型商業(yè)區(qū)車輛實時監(jiān)測16
1.4.3自然災害應急快速響應17
1.4.4重大工程監(jiān)控18
1.4.5軍事安全18
1.5本章小結19
第2章視頻衛(wèi)星20
2.1視頻衛(wèi)星概述20
2.1.1視頻衛(wèi)星概念20
2.1.2視頻衛(wèi)星分類21
2.1.3視頻衛(wèi)星技術指標22
2.1.4視頻衛(wèi)星的發(fā)展23
2.1.5視頻衛(wèi)星的應用27
2.2衛(wèi)星視頻數(shù)據(jù)特性28
2.2.1衛(wèi)星視頻數(shù)據(jù)類型28
2.2.2遙感視頻與自然視頻的比較29
2.2.3衛(wèi)星視頻與傳統(tǒng)遙感影像比較32
2.3現(xiàn)有視頻衛(wèi)星數(shù)據(jù)集32
2.3.1武漢大學Sigma小組現(xiàn)有視頻數(shù)據(jù)33
2.3.2SkySat視頻數(shù)據(jù)集36
2.3.3UrtheCast數(shù)據(jù)集37
2.4本章小結38
第3章超分辨率重建39
3.1超分辨率重建概述39
3.1.1超分辨率重建的基本概念39
3.1.2超分辨率重建的基本方法40
3.1.3超分辨率重建的應用41
3.1.4國內(nèi)外研究進展42
3.2視頻衛(wèi)星超分辨率重建難點44
3.2.1重建效率低下44
3.2.2細節(jié)重建質(zhì)量低45
3.2.3基于學習的超分辨率重建存在的問題46
3.3視頻衛(wèi)星超分辨率重建的關鍵技術47
3.3.1圖像質(zhì)量評價48
3.3.2殘差塊與殘差網(wǎng)絡50
3.3.3*近鄰插值51
3.3.4雙三次插值52
3.3.5超分辨率卷積神經(jīng)網(wǎng)絡54
3.3.6超分辨率生成對抗網(wǎng)絡61
3.3.7基于快速時空殘差網(wǎng)絡的視頻超分辨率算法66
3.3.8基于快速時空殘差注意力網(wǎng)絡的視頻超分辨率算法75
3.4視頻衛(wèi)星超分辨率重建示例81
3.4.1加拿大-溫哥華-巴拉德灣衛(wèi)星視頻片段超分辨率重建83
3.4.2香港衛(wèi)星視頻片段超分辨率重建84
3.5本章小結86
第4章特征提取88
4.1特征提取的概念88
4.2衛(wèi)星視頻目標特征提取的難點88
4.3衛(wèi)星視頻目標特征提取的關鍵技術89
4.3.1專家設計圖像特征89
4.3.2卷積網(wǎng)絡特征93
4.4衛(wèi)星視頻目標特征提取示例98
4.4.1方向梯度直方圖特征98
4.4.2自適應顏色屬性特征98
4.4.3光流特征99
4.4.4分層卷積深度特征100
4.4.5定性對比實驗102
4.5本章小結102
第5章目標跟蹤模型104
5.1傳統(tǒng)目標跟蹤104
5.1.1目標跟蹤的概念104
5.1.2目標跟蹤的研究現(xiàn)狀104
5.1.3普通視頻目標跟蹤所面臨的問題106
5.2衛(wèi)星視頻目標跟蹤模型的難點109
5.3衛(wèi)星視頻目標跟蹤模型的關鍵技術111
5.3.1核相關濾波目標跟蹤方法111
5.3.2全卷積孿生網(wǎng)絡目標跟蹤方法114
5.3.3評價標準116
5.4衛(wèi)星視頻目標跟蹤模型的示例117
5.4.1基于光流特征的多幀差衛(wèi)星視頻目標跟蹤算法117
5.4.2基于背景剪除策略的衛(wèi)星視頻目標跟蹤算法120
5.4.3混合核相關濾波衛(wèi)星視頻目標跟蹤算法125
5.4.4高分辨率孿生網(wǎng)絡衛(wèi)星視頻目標跟蹤算法130
5.5本章小結136
第6章后處理方法137
6.1后處理的概念137
6.2后處理的必要性137
6.3后處理的關鍵技術137
6.3.1基于慣性機制的自適應軌跡預測137
6.3.2基于卡爾曼濾波的軌跡預測138
6.4后處理示例140
6.5本章小結141
第7章衛(wèi)星視頻目標跟蹤示例142
7.1衛(wèi)星視頻示例數(shù)據(jù)142
7.2跟蹤結果與分析143
7.3本章小結150
第8章視頻衛(wèi)星監(jiān)測技術展望及應用前景151
8.1視頻衛(wèi)星監(jiān)測技術展望151
8.1.1面向更高質(zhì)量數(shù)據(jù)的視頻衛(wèi)星監(jiān)測技術151
8.1.2面向多源異質(zhì)數(shù)據(jù)融合的多任務視頻衛(wèi)星監(jiān)測技術152
8.1.3面向小樣本標簽的衛(wèi)星視頻監(jiān)測技術的學習方法153
8.1.4邁向未知技術嘗試154
8.1.5面向多目標、長時的視頻衛(wèi)星監(jiān)測技術154
8.2視頻衛(wèi)星監(jiān)測技術應用前景155
8.2.1公共安全監(jiān)控155
8.2.2突發(fā)事件監(jiān)控156
8.2.3智能交通系統(tǒng)156
8.2.4武器精確制導157
8.2.5虛擬現(xiàn)實157
8.2.6宇宙探測157
8.3本章小結158
參考文獻159
視頻衛(wèi)星監(jiān)測技術 節(jié)選
第1章緒論 1.1概述 1.1.1視頻衛(wèi)星監(jiān)測技術的由來 航天器對地觀測在世界各國的航天技術研究與應用中占有非常高的地位,隨著空間技術的不斷發(fā)展,從配備遙感圖像功能的衛(wèi)星到視頻衛(wèi)星,從配備多光譜傳感器的衛(wèi)星到配備高分辨率光譜成像儀的衛(wèi)星,對地觀測技術手段在不斷發(fā)展進步。視頻衛(wèi)星監(jiān)測技術正是基于視頻衛(wèi)星而產(chǎn)生的一系列相關技術手段。 在介紹視頻衛(wèi)星監(jiān)測技術前,需先對視頻衛(wèi)星和其成像特點進行介紹。視頻衛(wèi)星是近年發(fā)展起來的一種新型對地觀測衛(wèi)星,與傳統(tǒng)對地觀測衛(wèi)星相比,其*大特點是可以對某一區(qū)域進行“凝視”觀測,即光學成像系統(tǒng)可以始終鎖定某一目標區(qū)域,并以“視頻錄像”的方式,將一定時間間隔的圖像序列組成視頻,獲得傳統(tǒng)靜態(tài)遙感衛(wèi)星難以捕捉的目標運動速度和方向等動態(tài)信息,進而以“天之眼”從太空中對熱點目標和事件進行實時監(jiān)測與分析。視頻衛(wèi)星提高了衛(wèi)星遙感系統(tǒng)的動態(tài)觀測能力,視頻衛(wèi)星動態(tài)影像也正成為一種重要的空間大數(shù)據(jù)資源,捕捉傳統(tǒng)靜態(tài)衛(wèi)星影像難以獲取的動態(tài)信息。 視頻衛(wèi)星凝視成像是指在對地觀測過程中,衛(wèi)星的光學傳感器始終盯住某一目標區(qū)域并進行連續(xù)拍攝,獲取目標區(qū)域的視頻數(shù)據(jù)。對地凝視成像是視頻低軌道衛(wèi)星的主要功能,如圖1.1所示,衛(wèi)星的姿態(tài)控制系統(tǒng)通過實時調(diào)整星體的姿態(tài),使光學傳感器的光軸始終指向地面目標區(qū)域并進行連續(xù)攝像。凝視控制問題實質(zhì)上是一個動態(tài)的姿態(tài)跟蹤問題,其關鍵技術在于如何保證衛(wèi)星光學傳感器的光軸在運動過程中始終對觀測目標區(qū)域進行高穩(wěn)定跟蹤。 圖1.1視頻衛(wèi)星“凝視”示意圖 視頻低軌道衛(wèi)星的應用前景得到了多個國家的重視,其研發(fā)技術也逐漸走向成熟,經(jīng)過早期發(fā)射的視頻低軌道衛(wèi)星的技術試驗,現(xiàn)已出現(xiàn)多顆業(yè)務型應用的視頻低軌道衛(wèi)星。國外視頻低軌道衛(wèi)星的地面分辨率已由5m左右提高到1m,可以實現(xiàn)對動態(tài)事件的快速檢測與評估。美國Skybox公司正在發(fā)展由24顆低軌道衛(wèi)星組成的SkySat星座,通過將互聯(lián)網(wǎng)與高分辨率衛(wèi)星星座結合,可以實現(xiàn)每天8次對地面目標區(qū)域的重訪,并將時間分辨率較高的亞米級彩色影像和地球高清視頻組合,可實時監(jiān)測目標的變化情況。與國外較為成熟的技術相比,國內(nèi)的視頻衛(wèi)星技術發(fā)展緊跟其后,目前發(fā)射了“天拓二號”“吉林一號”“珠海一號”等一系列科學和商用視頻衛(wèi)星,對視頻衛(wèi)星相關技術的研究還有待進一步發(fā)展。而本書介紹的武漢大學視頻數(shù)據(jù)集主要來自“吉林一號”衛(wèi)星。 這里以“吉林一號”為例,如圖1.2[1]和圖1.3[1]所示,它的視頻成像模式為凝視成像,分辨率為1.13m,其每次拍攝地面的覆蓋范圍為4.6km×3.4km。由此可以看出,因為衛(wèi)星視頻數(shù)據(jù)的特殊性,很多傳統(tǒng)的視頻監(jiān)測方法在不經(jīng)改變的情況下,很難運用到衛(wèi)星視頻數(shù)據(jù)處理中。同樣,適用于遙感圖像的監(jiān)測技術也因為多模態(tài)的結構不同而難以直接適用于視頻衛(wèi)星監(jiān)測。 圖1.2“吉林一號”視頻衛(wèi)星單幀影像(香港維多利亞港) 圖1.3“吉林一號”視頻衛(wèi)星單幀影像局部影像放大圖(香港維多利亞港) 近些年隨著視頻衛(wèi)星技術的不斷發(fā)展,從印度尼西亞的**顆LAPAN-TUBSAT遙感衛(wèi)星的200m分辨率的黑白視頻到2014年發(fā)射的“天拓二號”的5m分辨率的黑白視頻,再到“吉林一號”的0.92m分辨率的彩色視頻,視頻衛(wèi)星的數(shù)據(jù)質(zhì)量得到巨大提升,這也促進發(fā)展了有趣的民生和軍事應用。 為了更加清晰地闡述視頻衛(wèi)星監(jiān)測技術的概念、來源、發(fā)展和更深層次的內(nèi)容,本章將對視頻衛(wèi)星監(jiān)測技術、傳統(tǒng)的視頻技術和遙感圖像處理技術做出對比和分析。通過比較可以更為直觀地了解視頻衛(wèi)星監(jiān)測技術的獨特之處。需要強調(diào)的是,研究視頻衛(wèi)星監(jiān)測技術的算法模型是為了適應不同類型、不同應用的視頻衛(wèi)星數(shù)據(jù)的偏好,所以視頻衛(wèi)星監(jiān)測技術不能僅僅只研究遙感方面的算法,更需要研究基于視頻的算法,并結合視頻衛(wèi)星數(shù)據(jù)的特性做出適當改進。總之,只有通過不斷學習和借鑒,視頻衛(wèi)星監(jiān)測技術才能更好地蓬勃發(fā)展。 1.1.2視頻衛(wèi)星監(jiān)測技術的基本概念和特征 視頻衛(wèi)星監(jiān)測技術是指通過視頻衛(wèi)星采集到的遙感影像數(shù)據(jù),進行對地或者對空實時監(jiān)測的一系列技術總稱。 不同于一般攝像頭所采集的視頻數(shù)據(jù),視頻衛(wèi)星所拍攝的影像中每個像素蘊含的信息更加豐富。衛(wèi)星視頻中很多具有意義的目標,如小車,其在衛(wèi)星視頻中一般只用幾個像素表示,導致在進行物體表征和語義學習時,會帶來一些傳統(tǒng)算法不曾遇到的困難。除了上面提及的小目標表征問題,還涉及如大氣散射、云層遮擋等遙感圖像存在的問題。視頻衛(wèi)星監(jiān)測除了要解決一些遙感圖像存在的問題,還要解決一些視頻監(jiān)測本身存在的問題,如大量冗余信息的消除、模型目標信息的傳遞、跨序列的語義信息的表達等。這些問題導致視頻衛(wèi)星監(jiān)測不同于傳統(tǒng)的視頻監(jiān)測和遙感圖像監(jiān)測。 本書的視頻衛(wèi)星監(jiān)測技術根據(jù)現(xiàn)有的應用,基于超分辨率重建技術、特征提取技術、目標跟蹤及相關的后處理技術進行對地監(jiān)測。其中,超分辨率重建技術主要用于應對衛(wèi)星視頻分辨率較低導致后續(xù)應用無法展開的問題。而特征提取技術則是通過研究衛(wèi)星視頻的固有表征特性,為目標識別、檢測和跟蹤等提供魯棒性的特征支撐。目標跟蹤則是視頻衛(wèi)星監(jiān)測的主要應用之一,相關的后處理技術則作為提高應用系統(tǒng)整體魯棒性和精準度的方法。 由于視頻衛(wèi)星數(shù)據(jù)本身的特性,除了與傳統(tǒng)視頻因為觀測角度和視頻語義信息的差異,還因為不同的應用背景,對算法速度、虛警率與精度的平衡要求有差異,而這些差異導致視頻衛(wèi)星監(jiān)測算法和傳統(tǒng)的目標探測、識別、跟蹤算法有所區(qū)別,以致絕大部分算法在衛(wèi)星視頻數(shù)據(jù)集上效果較差。而且遙感視頻本身因為單幅圖像巨大,對算法速度要求較高,這一切對開展視頻衛(wèi)星監(jiān)測技術的研究產(chǎn)生了很大的阻礙。為了應對各種視頻衛(wèi)星任務上的挑戰(zhàn),視頻衛(wèi)星監(jiān)測技術應具有以下幾點特性。 1.實時性 衛(wèi)星視頻應用領域對算法速度的要求較高,不過和圖像任務不同的是,衛(wèi)星視頻任務中的實時性一般指算法技術能夠實時地處理新得到的視頻。例如,對于一個24幀/s的視頻來說,算法只需要每秒能處理24幀即可,如果監(jiān)測技術有大于24幀/s的處理速度,那么將不會影響監(jiān)測技術的應用效果,但如果技術的處理速度小于24幀/s,實時性便大打折扣,影響視頻衛(wèi)星監(jiān)控的應用效果。 2.魯棒性 魯棒性是用于衡量視頻衛(wèi)星監(jiān)測技術泛化性能的特性指標,由于監(jiān)測算法模型可能存在一些假設前提或者訓練數(shù)據(jù)存在一些分布性差異問題,算法技術可能無法對不同硬件或者不同場景下的數(shù)據(jù)進行有效的監(jiān)測。例如對衛(wèi)星視頻硬件的監(jiān)測,一般是針對不同分辨率或者不同分布干擾噪聲下的衛(wèi)星視頻數(shù)據(jù),而對不同場景下的數(shù)據(jù)監(jiān)測,一般是針對云層遮擋、目標遮擋等。算法魯棒性至關重要,在某些領域中,魯棒性也可以被稱為泛化性能。在現(xiàn)代深度學習中,很多算法性能上的提升本質(zhì)上都是對某個單一數(shù)據(jù)集或者某個數(shù)據(jù)分布的過擬合。一般而言,較大的數(shù)據(jù)集可以克服這個問題。但現(xiàn)有的數(shù)據(jù)集并不能完全反映算法效果的提升。因為現(xiàn)有數(shù)據(jù)集都是人為采集的,其中存在人為感官上的偏好,所以不能滿足獨立同分布理想數(shù)據(jù)集的采樣原則。 3.可適應性 幾乎所有應用算法對輸入和輸出的數(shù)據(jù)結構有一定的要求,只有當輸入數(shù)據(jù)滿足一定的條件時,算法才能直接進行處理。對于深度神經(jīng)網(wǎng)絡來說,如果使用高光譜視頻圖像進行訓練,網(wǎng)絡結構需要重新設計。不僅如此,除了這種因為數(shù)據(jù)維度的變化帶來的網(wǎng)絡架構的不適用,還有三通道的衛(wèi)星視頻圖像和文本等數(shù)據(jù)之間的多模態(tài)融合,也將導致深度網(wǎng)絡可能需要重新設計。而對這種數(shù)據(jù)結構變化的適應性,叫作視頻衛(wèi)星監(jiān)測技術模型的可適應性。 4.可解釋性 視頻衛(wèi)星監(jiān)測技術的可解釋性來源于對各個功能模塊作用的解釋。視頻衛(wèi)星監(jiān)測技術可以分為機器學習模型和基于深度學習的模型。在機器學習模型中,可解釋性一般指機器學習模型所依賴的統(tǒng)計上的區(qū)分能力和其數(shù)學基礎模型,通過對機器學習模型進行分解,可以很容易地發(fā)掘每個子模塊的具體功能。因為模型的訓練過程相當于黑盒模型,所以基于深度學習的模型一般缺乏可解釋性。但是可以通過如模型熱力圖、每層的特征圖和權重圖等來可視化出模型的學習情況。 5.可拓展性 視頻衛(wèi)星監(jiān)測技術的可拓展性是指某個模型和其他模型在進行集成時效果提升的能力。一般模型在不同類數(shù)據(jù)集(或者不同分布數(shù)據(jù))上運行的結果不同,便稱為模型對某類數(shù)據(jù)分布進行了學習。根據(jù)boost理論,當幾個弱分類器可以對數(shù)據(jù)進行獨立同分布區(qū)分時,它們可以組合形成一個強的分類器。所以,算法模型的可拓展性十分重要。現(xiàn)在對可拓展性并不好直接進行定量描述,一般來說,相對于復雜的模型,元模型(指相對簡單的模型,如支持向量機算法等假設條件少的模型)可拓展性較好。 視頻衛(wèi)星監(jiān)測技術的特性還有很多,基于不同的特性方向,很多難題亟須解決。本書旨在描述一些現(xiàn)有的通用方法,并對其應用于衛(wèi)星視頻數(shù)據(jù)所需進行的一些改進做出相關介紹。 1.2視頻衛(wèi)星監(jiān)測的關鍵技術 衛(wèi)星視頻數(shù)據(jù)存在分辨率低、數(shù)據(jù)量大、目標小的特點,所以應用前需要對衛(wèi)星視頻數(shù)據(jù)進行一定的質(zhì)量提升工作,包括去噪、清洗、超分辨率重建等預處理,本書首先以超分辨率重建技術為例,引入視頻質(zhì)量的概念和相關超分辨率重建的方法。然后為了獲取更為魯棒的衛(wèi)星視頻表征,奠定后續(xù)識別、監(jiān)測、跟蹤的基礎,本書將討論相關特征提取技術。為了更好地理解如何構建衛(wèi)星視頻跟蹤器,后續(xù)從衛(wèi)星視頻跟蹤任務的特點與挑戰(zhàn)出發(fā),分別介紹一些衛(wèi)星視頻跟蹤模型和提高跟蹤魯棒性的后處理方法。 1.2.1超分辨率重建技術 超分辨率重建這一問題的研究始于20世紀60年代,由Goodman[2]提出的復原單幀圖像超過光學系統(tǒng)限帶傳遞函數(shù)之外的信息,以提高圖像分辨率,稱為頻譜外推法。然而,由于單幀圖像的有限信息及這一問題的病態(tài)性,超分辨率重建并未取得很好的效果。直到1984年,Tsai[3]為解決遙感圖像分辨率低的問題時,才首次明確提出超分辨率重建這一概念并取得成功。自此,無數(shù)科研工作者投身其中,使該領域成為現(xiàn)今*活躍的研究領域之一。隨后,除了傅里葉變換這一典型頻域處理方法,離散余弦函數(shù)和小波變換等其他頻域處理方法也相繼出現(xiàn)。然而,由于這些方法往往數(shù)學模型簡單,難以加入先驗信息,重建效果難有突破,使得超分辨率重建技術發(fā)展緩慢。 近年來人工智能的研究火熱,基于學習的超分辨率重建逐漸進入人們的視野并取得了很好的效果。2017年,由谷歌研究院發(fā)布的快速精確圖像超分辨率(rapid and accuratei mage super resolution,RAISR)技術更是在提高分辨率的基礎上,使重建速度提升數(shù)十倍。然而,基于學習的超分辨率重建往往是單幀圖像的超分辨率重建,鮮有多幀圖像或者視頻的超分辨率重建。在遙感領域,更是鮮有這一方法的應用,少數(shù)應用效果也不明顯。所以,應用這些方法進行視頻衛(wèi)星的超分辨率重建,技術手段仍不成熟。 利用超分辨率重建技術能夠通過融合多幅低分辨率圖像的互補信息,增加圖像中每個單位面積上的像素數(shù)目,因此能為后續(xù)處理提供更詳盡的細節(jié)信息,提高遙感數(shù)據(jù)空間分辨率。Skybox公司的SkySat-1和SkySat-2衛(wèi)星數(shù)據(jù)傳回地面后,通過超分辨率重建技術來提高衛(wèi)星數(shù)據(jù)的空間分辨率,使得*終的產(chǎn)品達到亞米級水平。超分辨率重建中序列影像間的運動估計和超分辨率重建算法是兩個關鍵問題。運動估計基于不同的分類原則可分為全局配準和局部配準、剛體配準和非剛體配準、空間域方法和頻率域方法等。也可將現(xiàn)有的主要亞像素圖像配準算法分為三類:插值法、擴展的相位相關法和解*優(yōu)化問題法。目前,超分辨率重建方法主要分為頻率域方法和空間域方法兩大類。頻率域方法的觀測模型僅局限于全局平移運動模型和線性位移不變模型,適用范圍有限,因此目前研究方法基本集中在空間域方法。空間域方法也叫空域法,主要包括非均勻插值法、迭代反投影法、自適應濾波法、凸集投影
- >
名家?guī)阕x魯迅:故事新編
- >
推拿
- >
月亮虎
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
朝聞道
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
詩經(jīng)-先民的歌唱
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述