图像重建的分类

这是一个关于图像重建的分类的思维导图，讲述了图像重建的分类的相关故事，如果你对图像重建的分类的故事感兴趣，欢迎对该思维导图收藏和点赞~

图像重建的分类

• 基于模型的方法
  • 基于模型的图像重建方法主要包括基于深度学习的方法和基于传统模型的方法
    • 基于深度学习的方法主要包括卷积神经网络、自编码器、生成对抗网络等
      • 卷积神经网络在图像重建中的应用主要包括图像去噪、图像超分辨率、图像修复等
      • 自编码器在图像重建中的应用主要包括图像去噪、图像超分辨率、图像修复等
      • 生成对抗网络在图像重建中的应用主要包括图像生成、图像编辑等
    • 基于传统模型的方法主要包括基于稀疏表示的方法、基于小波变换的方法等
      • 基于稀疏表示的方法主要包括稀疏编码、字典学习等
      • 基于小波变换的方法主要包括小波去噪、小波超分辨率等
• 基于数据的方法
  • 基于数据的图像重建方法主要包括基于图像匹配的方法、基于图像融合的方法等
    • 基于图像匹配的方法主要包括特征点匹配、图像对齐等
      • 特征点匹配主要包括SIFT、SURF、ORB等特征点检测和描述子提取方法
      • 图像对齐主要包括图像配准、图像拼接等
    • 基于图像融合的方法主要包括基于多尺度分析的方法、基于金字塔融合的方法等
      • 基于多尺度分析的方法主要包括拉普拉斯金字塔、高斯金字塔等
      • 基于金字塔融合的方法主要包括图像融合、图像去噪等
• 基于优化的方法
  • 基于优化的图像重建方法主要包括基于梯度下降的方法、基于交替方向法的方法等
    • 基于梯度下降的方法主要包括随机梯度下降、牛顿法等
      • 随机梯度下降主要包括SGD、Adam等优化算法
      • 牛顿法主要包括拟牛顿法、BFGS等优化算法
    • 基于交替方向法的方法主要包括ADMM、Bregman迭代等
      • ADMM主要包括图像去噪、图像超分辨率等
      • Bregman迭代主要包括图像去噪、图像修复等;