钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
基础科学期刊
\
大学学报期刊
\
陕西师范大学学报(自然科学版)期刊
\
K—SVD算法的超声图像加性噪声去噪研究
K—SVD算法的超声图像加性噪声去噪研究
作者:
秦晓伟
郭建中
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
核奇异值分解算法
图像去噪
稀疏表示
摘要:
利用具有稀疏性、特征保持性和可分离性等特点的超完备字典的稀疏表示,基于核奇异值分解(K—SVD)算法,研究了对图像去除噪声效果以及影响效果的因素.理论分析及实验研究表明:K—SVD算法能够很好去除超声图像噪声,保留图像细节特征,获得更高的峰值信噪比(PSNR)值.在计算过程中发现K—SVD算法中的训练样本尺度大小是影响去噪效果的主要参数.
暂无资源
收藏
引用
分享
推荐文章
结合分块噪声估计的字典学习图像去噪算法
图像去噪
平滑图像块
奇异值分解
噪声估计
字典学习
基于块分类和字典优化的K-SVD图像去噪研究
图像去噪
稀疏表示
K-SVD算法
图像块分类
过完备字典
字典优化
基于改进K-SVD和非局部正则化的图像去噪
图像去噪
稀疏表示
奇异值分解
正交匹配追踪算法
字典优化
非局部自相似性
基于K-SVD算法的带钢表面缺陷图像去噪
K-SVD算法
正交匹配追踪
DCT字典
高斯噪声
滤波
带钢缺陷
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
K—SVD算法的超声图像加性噪声去噪研究
来源期刊
陕西师范大学学报:自然科学版
学科
工学
关键词
核奇异值分解算法
图像去噪
稀疏表示
年,卷(期)
2012,(6)
所属期刊栏目
物理学
研究方向
页码范围
42-46,86
页数
6页
分类号
TN911.73
字数
4218字
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
郭建中
陕西师范大学物理学与信息技术学院
58
335
9.0
17.0
2
秦晓伟
陕西师范大学物理学与信息技术学院
3
5
1.0
2.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(31)
共引文献
(44)
参考文献
(13)
节点文献
引证文献
(5)
同被引文献
(22)
二级引证文献
(23)
1987(1)
参考文献(0)
二级参考文献(1)
1989(1)
参考文献(1)
二级参考文献(0)
1992(3)
参考文献(2)
二级参考文献(1)
1993(2)
参考文献(0)
二级参考文献(2)
1994(1)
参考文献(0)
二级参考文献(1)
1995(2)
参考文献(0)
二级参考文献(2)
1997(2)
参考文献(1)
二级参考文献(1)
1998(1)
参考文献(0)
二级参考文献(1)
1999(7)
参考文献(0)
二级参考文献(7)
2001(1)
参考文献(0)
二级参考文献(1)
2002(4)
参考文献(0)
二级参考文献(4)
2003(5)
参考文献(1)
二级参考文献(4)
2005(5)
参考文献(1)
二级参考文献(4)
2006(1)
参考文献(1)
二级参考文献(0)
2007(2)
参考文献(1)
二级参考文献(1)
2008(3)
参考文献(2)
二级参考文献(1)
2011(3)
参考文献(3)
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)
2015(2)
引证文献(2)
二级引证文献(0)
2016(3)
引证文献(1)
二级引证文献(2)
2017(12)
引证文献(0)
二级引证文献(12)
2018(5)
引证文献(1)
二级引证文献(4)
2019(3)
引证文献(0)
二级引证文献(3)
2020(3)
引证文献(1)
二级引证文献(2)
研究主题发展历程
节点文献
核奇异值分解算法
图像去噪
稀疏表示
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
陕西师范大学学报(自然科学版)
主办单位:
陕西师范大学
出版周期:
双月刊
ISSN:
1672-4291
CN:
61-1071/N
开本:
大16开
出版地:
陕西省西安市长安南路
邮发代号:
52-109
创刊时间:
1960
语种:
chi
出版文献量(篇)
3025
总下载数(次)
7
总被引数(次)
18459
期刊文献
相关文献
1.
结合分块噪声估计的字典学习图像去噪算法
2.
基于块分类和字典优化的K-SVD图像去噪研究
3.
基于改进K-SVD和非局部正则化的图像去噪
4.
基于K-SVD算法的带钢表面缺陷图像去噪
5.
基于改进的MCA和K-SVD的图像稀疏表示去噪算法
6.
基于分块K-SVD字典学习的彩色图像去噪
7.
结合分块噪声估计的字典学习图像去噪算法
8.
基于K-SVD的低信噪比WMSN视频图像稀疏去噪
9.
基于CUDA架构并行设计图像去噪算法
10.
一种新的字典更新和原子优化的图像去噪算法
11.
基于特征均值的SVD信号去噪算法
12.
基于联合滤波的聚类稀疏表示图像去噪算法
13.
本征图像分解的稀疏表示彩色图像去噪算法
14.
自适应多尺度SVD去噪算法及在PQMD中的应用
15.
基于原始对偶字典学习的磁共振复数图像去噪
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
力学
化学
地球物理学
地质学
基础科学综合
大学学报
天文学
天文学、地球科学
数学
气象学
海洋学
物理学
生物学
生物科学
自然地理学和测绘学
自然科学总论
自然科学理论与方法
资源科学
非线性科学与系统科学
陕西师范大学学报(自然科学版)2022
陕西师范大学学报(自然科学版)2021
陕西师范大学学报(自然科学版)2020
陕西师范大学学报(自然科学版)2019
陕西师范大学学报(自然科学版)2018
陕西师范大学学报(自然科学版)2017
陕西师范大学学报(自然科学版)2016
陕西师范大学学报(自然科学版)2015
陕西师范大学学报(自然科学版)2014
陕西师范大学学报(自然科学版)2013
陕西师范大学学报(自然科学版)2012
陕西师范大学学报(自然科学版)2011
陕西师范大学学报(自然科学版)2010
陕西师范大学学报(自然科学版)2009
陕西师范大学学报(自然科学版)2008
陕西师范大学学报(自然科学版)2007
陕西师范大学学报(自然科学版)2006
陕西师范大学学报(自然科学版)2005
陕西师范大学学报(自然科学版)2004
陕西师范大学学报(自然科学版)2003
陕西师范大学学报(自然科学版)2002
陕西师范大学学报(自然科学版)2001
陕西师范大学学报(自然科学版)2000
陕西师范大学学报(自然科学版)1999
陕西师范大学学报(自然科学版)2012年第6期
陕西师范大学学报(自然科学版)2012年第5期
陕西师范大学学报(自然科学版)2012年第4期
陕西师范大学学报(自然科学版)2012年第3期
陕西师范大学学报(自然科学版)2012年第2期
陕西师范大学学报(自然科学版)2012年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号