|
关注：1
2013-05-23 12:21
求翻译：This is mainly because that it is difficult to accurately estimate the direction (or the local covariance) of the edges from the LR image. By using the sparsity prior, the sparsity-based methods ScSR [6] and SME [8] work better in handling those fine scale edges. However, they still cannot produce very sharp edges.是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
This is mainly because that it is difficult to accurately estimate the direction (or the local covariance) of the edges from the LR image. By using the sparsity prior, the sparsity-based methods ScSR [6] and SME [8] work better in handling those fine scale edges. However, they still cannot produce very sharp edges.
问题补充： |
|
2013-05-23 12:21:38
这主要是因为，这是难以准确地估计从LR图像的边缘的方向（或本地协方差） 。
|
|
2013-05-23 12:23:18
这是主要，因为那准确地估计方向(或地方协变性)是难的从LR图象的边缘。通过使用预先稀少，基于稀少的方法ScSR [6]和SME [8]工作在处理那些美好的标度更好渐近。然而，他们不可能仍然导致非常锐边。
|
|
2013-05-23 12:24:58
这是主要，因为那准确地估计方向或边缘的 (地方协变性) 从LR图象是难的。 通过预先使用sparsity，基于sparsity的方法ScSR (6) 和SME (8) 工作在处理那些美好的标度更好渐近。 然而，他们不可能仍然导致非常锋利的边缘。
|
|
2013-05-23 12:26:38
这主要是因为很难准确估计从 LR 图像的边缘的方向 （或当地的协方差）。通过使用稀疏事先，基于稀疏的方法 ScSR [6] 和 [8] 中小企业的工作更好地处理这些精细尺度边缘。然而，他们仍然不能产生非常锋利的边缘。
|
|
2013-05-23 12:28:18
这主要是因为那它很难准确地估计方向 ( 或本地协方差 ) 从远程图像的边缘中。通过使用稀少以前，基于 sparsity 的方法 ScSR (6) 和 SME(8) 更好地在处理那些好的规模边缘方面工作。然而，他们仍不能生产很陡的边缘。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
