基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
受分形编码思想启发,提出了一种新的基于向量量化的图像超分辨率方法.该方法使用学习算法来获取单幅输入图像中的高频信息和低频信息之间的对应关系,并利用此关系对输入图像的一个倍频程的空间频率内添加图像细节以获得高分辨率图像.该方法克服了传统插值方法中因过度平滑导致图像模糊和纹理保持较差的缺点,能够重现出传统插值方法不能复原出的一些高频图像细节.实验结果显示该算法在客观和主观上都比传统插值方法有更好的评价.
推荐文章
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MAP算法的图像超分辨率重建
超分辨率
图像重建
最大后验概率
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
超分辨率图像配准方法研究
超分辨率
图像配准
亚像素
空间域
频率域
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 基于向量量化的图像超分辨率方法
来源期刊 计算机工程与应用 学科 工学
关键词 图像超分辨率 向量量化 分形
年,卷(期) 2010,(17) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 182-184
页数 分类号 TP391.41
字数 3996字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.17.052
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 黄东军 中南大学信息科学与工程学院 105 435 11.0 16.0
2 杨书俊 中南大学信息科学与工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (11)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(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
向量量化
分形
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导