作者:
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:
由于全变分在图像处理中可以保留图像边缘信息,提出了一个基于学习的超分辨率图像复原方法,将全变分最小化( TV)正则项引入到基于稀疏表示的图像复原模型中。通过引入新的变量,将本模型转化为两个易于求解的优化问题,然后采用交替迭代法对模型进行求解。同时考虑了图像的特征信息,利用图像的非局部相似性和迭代反向投影算法对复原图像进行处理。实验结果表明,提出的方法在视觉效果和峰值信噪比上优于传统的插值算法和基于稀疏表示的方法。
推荐文章
基于GEP多标记学习的图像超分辨率复原算法
超分辨率复原
基因表达式编程
支持向量机
样本学习
基于交叠组合稀疏高阶全变分的图像复原
高阶导数
交叠组合稀疏
交替方向乘子法
全变分
图像复原
图像复原的Contourlet收缩与广义全变分正则化方法
图像复原
全变分模型
方块效应
Contourlet收缩
正则化
广义全变分模型
PDE变分模型的自动图像降噪和复原
图像降噪和复原
偏微分方程
变分方法
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 基于学习和全变分最小化的超分辨图像复原
来源期刊 哈尔滨商业大学学报(自然科学版) 学科 工学
关键词 稀疏表示 全变分 交替迭代法
年,卷(期) 2014,(4) 所属期刊栏目 数学科学
研究方向 页码范围 496-499
页数 4页 分类号 TP391
字数 2641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 李丽荣 天津大学理学院数学系 1 1 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  (5)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (8)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(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
稀疏表示
全变分
交替迭代法
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
哈尔滨商业大学学报(自然科学版)
双月刊
1672-0946
23-1497/N
大16开
哈尔滨市道里区通达街138号
1980
chi
出版文献量(篇)
3911
总下载数(次)
16
总被引数(次)
20147
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导