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:
针对传统的超分辨率(SR)图像重建方法需要多幅亚像素图像配准带来的配准误差以及高成本问题,本文将目前迅速发展的压缩感知(CS)理论引入SR成像,利用大多数自然图像普遍具有的稀疏性,提出一种基于CS的单幅图像SR重建方法,不需要其它任何额外的信息采集,可以在单次拍摄条件下捕获的充分数据实现图像的SR重建.模拟实验表明,本文提出的方法在重建效果和重建时间方面显著优于耦合字典学习(CDT)方法,在主观视觉质量及其客观信噪比(SNR)度量方面都具有优势,且实现方法较为简单,具有重要的应用前景.
推荐文章
基于深度学习的图像超分辨率重建技术的研究
人工智能
深度学习
超分辨率
制造工艺
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
压缩感知和相似性约束的图像超分辨率重构算法
超分辨率
压缩感知
测量域字典分类
非局部相似
联合重构
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 基于压缩感知的超分辨率图像重建
来源期刊 光电子·激光 学科 工学
关键词 压缩感知(CS) 压缩成像 卷积方法 单幅图像超分辨率(SR)
年,卷(期) 2013,(4) 所属期刊栏目 图像和信息处理
研究方向 页码范围 805-811
页数 7页 分类号 TN911.74
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (123)
参考文献  (21)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(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)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(8)
  • 参考文献(4)
  • 二级参考文献(4)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(8)
  • 参考文献(1)
  • 二级参考文献(7)
2009(13)
  • 参考文献(0)
  • 二级参考文献(13)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(9)
  • 参考文献(9)
  • 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
压缩感知(CS)
压缩成像
卷积方法
单幅图像超分辨率(SR)
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
光电子·激光
月刊
1005-0086
12-1182/O4
大16开
天津市南开区红旗南路263号
6-123
1990
chi
出版文献量(篇)
7085
总下载数(次)
11
相关基金
高等学校博士学科点专项科研基金
英文译名:
官方网址:http://std.nankai.edu.cn/kyjh-bsd/1.htm
项目类型:面上课题
学科类型:
论文1v1指导