基于RGBD的似物性采样算法研究.pptVIP

1、其中 和 分别表示上一轮循环过程中求得的潜在的中间复原的融合图像和模糊核。利用快速软阈值收缩迭代算法[37]进行式(4-6)的优化求解。详细的算法步骤表4.2所示。式(4-7)的优化策略在本章第二节已经阐述。 2、针对式(4-4)对模糊核 的约束，我们利用共轭梯度的方法解这个最优化问题。我们把融合得到的中间清晰图像作为 的输入，而对于第一次迭代时模糊核 使用初始值来替代。除此之外，之后的每次都把上一次的结果作为这一次的输入。表4.1展示了计算求解模糊核的具体过程。 * 1、本文在Pleiades、QuickBird、World View-2卫星数据的50幅图像中验证了参数的正确性，地物场景包括植被、水体和城市场景(建筑物、道路等)。 2、融合算法之间的对比又分为主观视觉和客观质量评价 * 1、以QuickBird卫星的一幅遥感数据为例，验证本章模糊核估计的准确性。 2、图4.4中模糊核的估计结果中，a-b为本章提出的基于强边缘的半盲核估计算法得到的模糊核，e-h为文[48]的模糊核估计算法得到的模糊核估计结果。 * 1、以QuickBird卫星的一幅遥感数据为例，验证本章模糊核估计的准确性。 2、图4.5 a为初始的多光谱图像，图4.5 b为代入高斯核获得的融合结果，图4.5 c为代入文[48]模糊核获得的融合结果，图4.5 d为本章算法的结果。从图4.5 b可以看出，简单认为