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:
由于自然图像先验模型的概率密度函数的非高斯性(稀疏性的)会导致图像复原的最优化函数不再是凸的,传统意义上的最大后验估计已不能很好地求得最优估计解,因此本文提出利用自适应权值矩阵来解决这一问题.进行图像复原时,首先利用自然图像先验模型有效地抑制振铃效应,然后利用基于自适应权值矩阵的共轭梯度算法来解决由于稀疏先验模型导致的最优化函数非凸的问题.权值矩阵可根据上一次的迭代结果进行更新,并能够纠正图像在上一次迭代过程中局部区域导数估计的错误.实验结果显示,利用本文方法得到复原图像的峰值信噪比(PSNR)为36.131 6,优于其它算法.最后,用本文方法对全景图像进行复原,得到了很好的复原效果,证明了本文方法的实用性和有效性.
推荐文章
一种基于权值矩阵的序列图像超分辨率盲复原算法
超分辨率盲复原
观测模型
最大后验概率
权值矩阵
Hadoop下自适应随机权值多特征融合图像分类
自适应随机权值
特征融合
支持向量机
图像分类
Hadoop平台
自适应图像组的稀疏正则化图像复原
图像复原
稀疏正则化
图像去文字
粗糙度
改进的空间自适应规整化图像复原
图像复原
模糊熵
空间自适应
规整化
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 应用自适应权值矩阵的图像复原
来源期刊 光学精密工程 学科 工学
关键词 图像复原 反降晰 稀疏先验 自适应权值矩阵
年,卷(期) 2013,(6) 所属期刊栏目 信息科学
研究方向 页码范围 1592-1597
页数 6页 分类号 TP391.4
字数 3452字 语种 中文
DOI 10.3788/OPE.20132106.1592
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 蔡成涛 哈尔滨工程大学自动化学院 66 358 10.0 15.0
2 朱齐丹 哈尔滨工程大学自动化学院 227 2033 24.0 33.0
3 孙磊 哈尔滨工程大学自动化学院 17 140 7.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (43)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 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
图像复原
反降晰
稀疏先验
自适应权值矩阵
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
光学精密工程
月刊
1004-924X
22-1198/TH
大16开
长春市东南湖大路3888号
12-166
1959
chi
出版文献量(篇)
6867
总下载数(次)
10
总被引数(次)
98767
论文1v1指导