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:
针对低分辨率文档图像中噪声模型不确定、字符边缘和纹理走向复杂多变的问题,提出Geman&McClure(G&M)范数替代L1、 L2范数用于提高算法的鲁棒性,设计了结合双边全变分(BTV)和Hu-ber函数的正则化项,采用Lucas-Kanade光流配准算法,利用字符结构特征的先验信息,使算法在重建过程中更加注重边缘细节与边缘方向信息。实验表明,与L1BTV、L2BTV和无Huber函数的G&MBTV正则化(下文简称G&M方法)重建方法相比,文中算法在混合噪声模型下能够显著平滑噪声、锐化边缘、提升文档图像字符的分辨率,字符识别率提高14.69%的同时运算时间缩短了29.34%。
推荐文章
双边全变分的自适应核回归超分辨率重建
超分辨率重建
正则化
双边全变分
自适应核回归
基于学习的多帧图像超分辨率重建技术探究
学习
多帧图像超分辨率
重建
技术
基于总变分的超分辨率图像重建
超分辨率
运动估计
总变分规整化
共轭梯度
基于二阶广义全变差的多帧图像超分辨率重建
超分辨率重建
二阶广义全变差
自适应正则化参数
半二次正则化
交替方向法
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 Huber 函数双边全变分的多帧文档图像超分辨率重建
来源期刊 中山大学学报(自然科学版) 学科 工学
关键词 超分辨率重建 文档图像 正则化 Huber函数 BTV
年,卷(期) 2014,(4) 所属期刊栏目 中山大学学报
研究方向 页码范围 74-78,82
页数 6页 分类号 TP391.41
字数 3528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 罗中良 惠州学院计算机系 67 241 8.0 12.0
2 梁风梅 太原理工大学信息工程学院 7 30 4.0 5.0
3 邢剑卿 太原理工大学信息工程学院 1 8 1.0 1.0
4 邓雪晴 惠州学院计算机系 5 17 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (10)
参考文献  (6)
节点文献
引证文献  (8)
同被引文献  (14)
二级引证文献  (5)
1984(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)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(9)
  • 参考文献(2)
  • 二级参考文献(7)
2013(7)
  • 参考文献(1)
  • 二级参考文献(6)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(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
超分辨率重建
文档图像
正则化
Huber函数
BTV
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
中山大学学报(自然科学版)
双月刊
0529-6579
44-1241/N
大16开
广东省广州市新港西路135号
46-15
1955
chi
出版文献量(篇)
5017
总下载数(次)
6
总被引数(次)
45576
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导