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:
把学习型算法用于稀疏编码的重建算法中来实现视频序列图像的超分辨率重构.该算法无需显式求取运动向量,能够克服传统方法对精确运动估计的要求,通过稀疏编码便能够自动利用邻近帧中最相关的那些样本块进行重构;另外,算法通过设置最大运动窗口,利用帧间运动的连续性特点,在相邻帧已经重建的基础上,提取其运动窗口内的高、低分辨率图像块来构建样本库,从而实现减小所需样本库的尺寸的目的.
推荐文章
基于稀疏表示和近邻嵌入的图像超分辨率重构
超分辨率重构
稀疏表示
过完备字典
图像块近邻
权重
基于稀疏表示和自相似学习的图像超分辨率重构
超分辨率重构
稀疏表示
附加信息
自相似学习
基于二维稀疏表示的人脸超分辨率重构算法
人脸超分辨率
局部分块
二维稀疏表示
二维K-SVD
多深度相机标定下稀疏纹理图像三维超分辨率重构
多深度
相机标定
稀疏纹理
图像
三维重构
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 基于稀疏编码的视频序列超分辨率重构
来源期刊 电子技术 学科
关键词 图像超分辨率重构 样本学习 稀疏编码 稀疏字典
年,卷(期) 2014,(1) 所属期刊栏目 电子技术研发
研究方向 页码范围 5-7,4
页数 4页 分类号
字数 3458字 语种 中文
DOI 10.3969/j.issn.1000-0755.2014.01.002
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 赵保军 北京理工大学信息与电子学院 149 1750 23.0 32.0
2 邓宸伟 北京理工大学信息与电子学院 9 50 4.0 7.0
3 王文正 北京理工大学信息与电子学院 3 5 1.0 2.0
4 黄芳 北京理工大学信息与电子学院 2 5 1.0 2.0
5 张元俊 北京邮电大学电子工程学院 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  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(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)
研究主题发展历程
节点文献
图像超分辨率重构
样本学习
稀疏编码
稀疏字典
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
电子技术
月刊
1000-0755
31-1323/TN
大16开
上海市长宁区泉口路274号
4-141
1963
chi
出版文献量(篇)
5480
总下载数(次)
19
论文1v1指导