Andere Kunden interessierten sich auch für
![Procesamiento adaptativo de la señal para el radar de formación de haces]( "Procesamiento adaptativo de la señal para el radar de formación de haces")
Procesamiento adaptativo de la señal para el radar de formación de haces26,99 €![Diagnóstico de los trastornos del sueño mediante la señal del EEG]( "Diagnóstico de los trastornos del sueño mediante la señal del EEG")
Diagnóstico de los trastornos del sueño mediante la señal del EEG41,99 €![Clasificación de imágenes de tipos de nubes de una sola capa]( "Clasificación de imágenes de tipos de nubes de una sola capa")
Clasificación de imágenes de tipos de nubes de una sola capa33,99 €![Análisis de Señal Biomédica (ECG) Utilizando Transformada Wavelet]( "Análisis de Señal Biomédica (ECG) Utilizando Transformada Wavelet")
Análisis de Señal Biomédica (ECG) Utilizando Transformada Wavelet25,99 €![Representación Dinámica de una Cadena de Suministros de Smartphones]( "Representación Dinámica de una Cadena de Suministros de Smartphones")
Representación Dinámica de una Cadena de Suministros de Smartphones32,99 €![Procesamiento de la señal de Radar en tiempo real en un FPGA]( "Procesamiento de la señal de Radar en tiempo real en un FPGA")
Procesamiento de la señal de Radar en tiempo real en un FPGA32,99 €![La Calidad de la Imagen Médica Digital]( "La Calidad de la Imagen Médica Digital")
La Calidad de la Imagen Médica Digital25,99 €
Muchos enfoques eficaces diseñados para resolver problemas mal planteados y mal condicionados tenían deficiencias para satisfacer las necesidades de la función de dispersión puntual (PSF), que es difícil de conseguir en la situación práctica todo el tiempo. Así que este proyecto introduce un método llamado como representación de señal dispersa para una Súper Resolución de una sola imagen. La investigación sobre la estadística de imágenes da un paso adelante para representar los parches de imágenes de una mejor manera, como una combinación lineal dispersa de elementos, que se eligen de un diccionario completo. A partir de los coeficientes de la representación dispersa se utilizan para construir la imagen de salida de alta resolución. Aquí entrena dos diccionarios conjuntamente para el parche de imagen de baja y alta resolución, lo que produce dos diccionarios individuales y muestra que las representaciones dispersas para baja y alta resolución son iguales. Para producir un parche de imagen de alta resolución, la representación dispersa puede juntar dos diccionarios entrenados del parche de imagen de baja y alta resolución. Aquí se muestrean una gran cantidad de pares de parches de imágenes, disminuyendo significativamente el costo de los cálculos.