原文服务方: 山东交通学院学报       
摘要:
在高分辨率空间对图像局部结构进行k均值聚类,估计最小二乘意义下的插值滤波器参数,然后根据估计参数来增强图像的分辨率.同时借鉴区域连接增长的思想解决分类歧义问题.计算结果显示,该方法优于传统的基于学习的方法,图像边缘清晰、细节恢复多.
推荐文章
基于聚类和高斯过程回归的超分辨率重建
超分辨率
聚类
高斯过程回归
基于深度学习的辐射图像超分辨率重建方法
辐射图像
超分辨率重建
深度学习
基于在线字典学习的人脸超分辨率重建
在线字典学习
超分辨率重建
含噪人脸图像
稀疏编码
改进的单幅图像自学习超分辨率重建方法
单幅图像超分辨率
L2范数
协作表示
支持向量回归
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于聚类学习的超分辨率方法
来源期刊 山东交通学院学报 学科
关键词 图像超分辨率 学习 聚类 插值滤波器 相关度量 区域连接增长
年,卷(期) 2007,(2) 所属期刊栏目
研究方向 页码范围 82-86
页数 5页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1672-0032.2007.02.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吉高云 山东交通职业学院管理系 4 4 1.0 2.0
2 韩华 中国科学院自动化研究所国家专用集成电路设计工程技术研究中心 20 206 8.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (41)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像超分辨率
学习
聚类
插值滤波器
相关度量
区域连接增长
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山东交通学院学报
季刊
1672-0032
37-1398/U
大16开
济南市长清大学科技园海棠路5001号
1993-01-01
chi
出版文献量(篇)
1534
总下载数(次)
0
总被引数(次)
6050
论文1v1指导