基于多字典和稀疏噪声编码的图像超分辨率重建

稀疏表示模型是通过将字典中的原子进行组合得到期望的结果.为了解决传统字典学习中所有图像块重建均使用同一个字典,从而忽略了最佳稀疏域的问题,提出来一种基于多字典和稀疏噪声编码的图像超分辨率重建算法.在字典训练时,利用图像的特征将它们合理地划分成若干个簇,每个聚类训练生成子字典对,利用最佳字典对进行重建.在求解稀疏系数阶段,引入稀疏编码噪声去除噪声的影响,利用图像非局部自相似性来获得原始图像稀疏编码系数的良好估计,然后将观测图像的稀疏编码系数集中到这些估计当中.实验表明,与ASDS算法和SSIM算法相比较,该算法有更好的重建结果,获得了更丰富的图像细节和更清晰的边缘.

基于深度网络分级特征图的图像超分辨率重建

从低分辨率图像中提取特征图恢复高分辨率图像中的高频信息是超分辨率重建的一个关键问题,针对该问题提出一个新的基于卷积神经网络的超分辨率重建算法.网络结构由卷积层与子像素卷积组成,特征提取网络中卷积层提取低分辨率图像的特征,重建网络中子像素卷积神经网络作为上采样算子.针对不能充分利用多级特征图的问题,采用跳跃连接和特征图联结在特征提取网络末端跨通道融合特征图,同时降低特征图的维度.并在此基础上再次提取特征图应用于重建.实验结果表明,算法在PSNR、SSIM和人类视觉效果上与其他基于深度学习的算法相比有着显著的提高.

美国托业考试的效度分析及启示

语言测试的效度是反映测试质量的重要指标。我国的英语语言测试,尤其是高校英语语言测试,可借鉴美国托业考试,坚持效度为主的测试原则,增强测试的内容效度,逐步建立技能等级量表。

现代服装时尚美学中传统文化元素的有效利用

中国特色的传统文化,是我国几千年文化和历史的传承与积淀,代表了我国道德观念、人文精神以及思维意识,是世界文化的关键组成部分。同时,随着经济全球化和一体化,很多国家的人们也都在积极了解和学习我国传统文化,其以独特的魅力屹立于世界文化之林中。本文主要针对现代服装时尚美学中传统文化元素的有效利用进行分析和阐述,希望给与我国相关行业以参考和借鉴。