SaivDr软件包的MATLAB/Simulink金宝app

用于稀疏感知图像和容量数据恢复的系统对象定义

总结

SaivDr是稀疏感知图像和体积数据恢复的缩写

• 实验，
• 发展和
• 实施

稀疏感知图像和体积数据恢复算法。

特别是，这个包提供了一组与不可分过采样重叠变换(NSOLTs），它允许使用卷积层

• 帕塞瓦尔紧（准酉），
• 对称的,
• 多分辨率

属性。对于一些特性，我们已经准备了自定义层类与深度学习工具箱。现在很容易将它们合并到灵活的配置和网络的一部分中。

关于SaivDr包的信息在Contents.m中。使用HELP命令可以看到如下内容:

> >帮助SaivDr Sparsity-Aware形象和体积数据修复包的单元测试脚本文件mytest SaivDr包快速入门-快速入门的* * setpath SaivDr包路径设置* SaivDr包* *包结构+ SaivDr - + - testcase + dcnn  | | | +- sparserep  | | | +- 嵌入式  | | | +- 字典- + - nsolt +设计| | || | + - nsoltx + -设计  | | | | | +- nsgenlot - +设计  | | | | | +- nsgenlotx - +设计  | | | | | +- olaols  | | | | | +- olpprfb  | | | | | +- udhaar  | | | | | +- generalfb  | | | | | +- 混合物  | | | | | +- 实用程序  | | | +- 修复- + - ista  | | | | | +- pds  | | | | | +- metricproj  | | | | | +- 消除干扰  | | | +- 退化- + - linearprocess| | | | | +- noiseprocess  | | | +- 实用工具| + - dcnn | + - sparserep | + -嵌入式| +词典- + - nsolt +设计  | | | | | +- mexsrcs  | | | +- nsoltx - +设计  | | | | | +- mexsrcs  | | | +- nsgenlot - +设计  | | | +- nsgenlotx - +设计  | | | +- olaols  | | | +- olpprfb  | | | +- udhaar  | | | +- generalfb  | | | +- 混合物  | | | +- 实用工具|+- restoration -+- ista | | | +- pds | | | +- metricproj | | | +- denoiser | +- degradation -+- linearprocess | | | +- noiseprocess | +- utility

需求

• MATLAB R2013b或更高版本。R2021a推荐。
• 信号处理工具箱
• 图像处理工具箱
• 优化工具箱

Recomendation

• 深度学习工具箱
• 全局优化工具箱
• 并行计算工具箱
• MATLAB编码器
• GPU编码器

简要介绍

1. 将当前目录更改为该文件在MATLAB中包含的位置。

2. 使用如下命令设置路径:

   >>设置路径

3. 构建MEX代码，如果你有MATLAB编码器。

   >>我的身材

4. 在这个包的第二层目录'examples'下可以找到几个示例代码。将当前目录更改为第二层目录“examples”下面的目录，并执行一个名称以“main”开头的M-file，例如

   > > main_xxxx

   然后执行一个名称以“disp”开头的m文件，例如

   > > disp_xxxx

联系地址

新泻大学工程学院村松彰，8050 2-no-cho Ikarashi，新泻西谷，950-2181，日本http://msiplab.eng.niigata-u.ac.jp/

工具书类

• 藤井根木、吉田Yuta、村松昭、大野俊介、蔡秉槐、大田武如、宁文明、Hiroshi Hibinotile：“具有折射率潜在分布的OCT体积数据恢复”，Proc。2019年IEEE国际图像处理会议（ICIP），第764-768页，2019年9月

• Yuhei Kaneko, Shogo Muramatsu, Hiroyasu Yasuda, Kiyoshi Hayasaka, Yu Otake, Shunsuke Ono, Masahiro Yukawa，“卷积稀疏编码动态模式分解及其在河流状态估计中的应用”，2019年IEEE声学、语音和信号处理国际会议(ICASSP)， 1872-1876, 2019年5月

• Shogo Muramatsu, Samuel Choi, Shunske Ono, Takeru Ota, Fumiaki Nin, Hiroshi Hibino，“基于原始-双即插即演方法的OCT体积数据恢复”，2018年IEEE声学、语音和信号处理国际会议(ICASSP)，第801-805页，2018年4月

• Muramatsu, Kosuke Furuya和Naotaka Yuki，“多维不可分过采样重叠变换:理论与设计”，IEEE Trans。在信号的过程。， Vol.65, No.5, pp.1251-1264, DOI:10.1109/TSP.2016.2633240, 2017年3月。

• Kota Horiuchi和Shogo Muramatsu，“不可分离过采样重叠变换的快速卷积技术”，Proc。亚太地区信号和信息处理委员会。2016年12月，亚太投资促进会ASC年度峰会和会议

• 村松Shogo，石井正树，陈志宇，“基于实例的非可分过采样重叠变换设计的有效参数优化”，2016年IEEE国际会议论文集。Conf. on Image Process。(ICIP)，第3618-3622页，2016年9月

• Shogo Muramatsu，“具有二维不可分离过采样重叠变换的结构化词典学习”，2014年IEEE声学、语音和信号处理国际会议（ICASSP）程序，第2643-2647页，2014年5月

• 古谷尚介，原信太郎，村松Shogo，“二维不可分过采样重叠变换的边界运算”，亚太信号与信息学报。APSIPA ASC年会，2013年11月

• Shogo Muramatsu和Natsuki Aizawa，“二维不可分过采样重叠变换的图像恢复”，2013 IEEE国际图像处理会议。《中国科学院院刊》，2013年9月

• Shogo Muramatsu和Natsuki Aizawa，“二维不可分过采样重叠变换的晶格结构”，2013年IEEE声学、语音和信号处理国际会议论文集。(ICASSP)，第5632-5636页，2013年5月

确认

这项工作得到了JSP KAK金宝appENHI授权号JP23560443、JP26402347和JP19H04135的支持。

贡献者

Developpers

• Shintaro HARA, 2013 - 2014
• 郎Natsuki AIZAWA, 2013 - 2014
• 北岛康介本人FURUYA, 2013 - 2015
• 直隆由纪，2014-2015
• Yuya玉2020 -
• Yasas GODAGE, 2021年

测试的捐献者

• 2014 - Hidenori渡边
• 哥打HORIUCHI, 2015年
• 正树ISHII, 2015年
• Takumi河村建夫,2015年
• 健SEINO, 2015年
• Satoshi NAGAYAMA，2017年-
• Shota KAYAMORI, 2017年
• 藤井根木，2017年-
• 山崎直树，2017年-
• Yuhei金子胜,2017 -
• 纳瓦潘·劳查罗恩斯克，2019年-
• 荒井裕介，2020年-