导图社区 图像重建的方法
这是一个关于图像重建的方法的思维导图,讲述了图像重建的方法的相关故事,如果你对图像重建的方法的故事感兴趣,欢迎对该思维导图收藏和点赞~
编辑于2020-10-04 21:38:04图像重建的方法
基于深度学习的方法
卷积神经网络 (CNN)
卷积层、池化层和全连接层的组合
卷积层用于提取图像特征
池化层用于降低特征维度,减少计算量
全连接层用于分类和回归任务
典型网络结构:UNet、FCN、SegNet等
自编码器 (Autoencoder)
编码器和解码器的组合
编码器用于将图像压缩成隐含特征
解码器用于将隐含特征还原成图像
典型网络结构:Denoising Autoencoder、Variational Autoencoder等
基于传统图像处理的方法
图像去噪
均值滤波、中值滤波、高斯滤波等
非局部均值 (NonLocal Means) 算法
图像去模糊
基于图像退化模型的方法
理查德森卢伊特 (RichardsonLucy) 算法
盲去模糊 (Blind Deconvolution) 算法
基于深度学习的方法
卷积神经网络 (CNN) 的应用
自编码器 (Autoencoder) 的应用
图像超分辨率重建
基于插值的方法
最近邻插值、双线性插值、双三次插值等
基于深度学习的方法
卷积神经网络 (CNN) 的应用
自编码器 (Autoencoder) 的应用
基于三维重建的方法
立体视觉 (Stereo Vision)
匹配算法:SAD、SSD、NCC等
视差计算:BM算法、SGM算法等
三维重建:Delaunay三角剖分、Poisson表面重建等
结构光 (Structured Light)
投影模式:格雷码、条纹、散斑等
相位测量:相移法、时间飞行法等
三维重建:表面网格重建、点云重建等
激光扫描 (Lidar)
激光测距原理:飞行时间 (Time of Flight)、相位测距 (Phase Measurement) 等
点云数据处理:点云滤波、点云分割、点云匹配等
三维重建:表面网格重建、点云重建等;