原文服务方: 微电子学与计算机       
摘要:
在样本学习的思想框架下,针对图像超分辨率问题的研究,提出了数据聚类和高斯过程回归相结合的解决方法.使用K-means对数据进行聚类,在各类中利用高斯过程回归对样本库中高低分辨率图像之间的对应关系进行学习.根据得到的学习模型对需要处理的低分辨率图像所对应的高分辨率图像进行预测,有效地利用了高低分辨率图像之间的统计特性.实验结果表明该方法可以较好地改善超分辨率重建效果.
推荐文章
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
基于微位移的超分辨率重建算法研究
超分辨率
微位移
微扫描
基于稀疏表示的图像超分辨率重建算法
超分辨率重建
稀疏表示
L1范数优化
字典学习
粒子群优化算法
特征提取算子
车牌超分辨率重建与识别
车牌识别
超分辨率重建
OpenCV库
固定邻域回归
支持向量机
人工神经网络
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 基于聚类和高斯过程回归的超分辨率重建
来源期刊 微电子学与计算机 学科
关键词 超分辨率 聚类 高斯过程回归
年,卷(期) 2012,(10) 所属期刊栏目
研究方向 页码范围 26-29
页数 分类号 TP391.41
字数 语种 中文
DOI
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 王培康 中国科学技术大学电子工程与信息科学系 44 538 11.0 22.0
2 朱高 中国科学技术大学电子工程与信息科学系 4 63 3.0 4.0
3 华书娜 中国科学技术大学电子工程与信息科学系 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (8)
二级引证文献  (6)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
超分辨率
聚类
高斯过程回归
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
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导