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:
全变差模型因能有效捕捉图像与视频中的细节信息而被广泛应用于机器视觉中,曲波变换具有较强捕捉二维信号中线状跳变信息的能力。文中结合全变差模型和曲波变换的优点,提出一类能更好地捕捉二维信号特征的联合稀疏表示模型,并用原对偶算法求解该模型,即原对偶全变差曲波算法。实验结果表明,用文中模型及求解算法处理后的图像,其客观质量及主观视觉效果均优于现有算法。文中算法也可用于解决图像去模糊、超分辨率等其它具有挑战性的图像处理问题。
推荐文章
稀疏表示及其算法分析
稀疏表示
稀疏编码
结构化稀疏
字典学习
l1-范数
采用稀疏表示和小波变换的超分辨率重建算法
图像处理
超分辨率
稀疏表示
局部线性嵌入
小波变换
基于多任务联合稀疏表示的高光谱图像分类算法
多任务学习
稀疏表示
高光谱图像
图像分类
基于全变差模型的自适应参数选择方法
图像去噪
全变差
Chambolle对偶
能量泛函
多元线性回归
自适应
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 全变差与曲波联合稀疏表示模型与原对偶算法
来源期刊 模式识别与人工智能 学科 工学
关键词 全变差 曲波变换 稀疏表示 原对偶算法
年,卷(期) 2013,(10) 所属期刊栏目 论文与报告
研究方向 页码范围 944-950
页数 7页 分类号 TN911
字数 5279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 甘俊英 五邑大学信息工程学院 82 871 14.0 26.0
2 孙建军 五邑大学信息工程学院 2 1 1.0 1.0
3 余义斌 五邑大学信息工程学院 16 23 2.0 4.0
4 李启达 五邑大学信息工程学院 1 0 0.0 0.0
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  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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)
研究主题发展历程
节点文献
全变差
曲波变换
稀疏表示
原对偶算法
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
模式识别与人工智能
月刊
1003-6059
34-1089/TP
16开
中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱
26-69
1989
chi
出版文献量(篇)
2928
总下载数(次)
8
总被引数(次)
30919
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导