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:
基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。
推荐文章
改进的单幅图像自学习超分辨率重建方法
单幅图像超分辨率
L2范数
协作表示
支持向量回归
采用共享空间稀疏表示的单幅图像超分辨率方法
超分辨率
稀疏表示
典型相关分析
自然图像先验
深度学习下的高效单幅图像超分辨率重建方法
深度学习
超分辨率重建
卷积神经网络
亚像素卷积
风格转移
基于CNN的轻量级神经网络单幅图像超分辨率研究
卷积神经网络
轻量级神经网络
单幅图像超分辨率
图像增强
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 基于特征表征的单幅图像超分辨方法
来源期刊 电子科技大学学报 学科 工学
关键词 特征表征方法 图像重建 图像分辨率 稀疏表示
年,卷(期) 2015,(1) 所属期刊栏目 通信与信息工程
研究方向 页码范围 22-27
页数 6页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-0548.2015.01.003
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 徐进 电子科技大学通信与信息工程学院 24 127 6.0 10.0
2 李晓峰 电子科技大学通信与信息工程学院 119 888 16.0 23.0
3 曾蕾 电子科技大学通信与信息工程学院 3 14 2.0 3.0
4 马世琪 电子科技大学通信与信息工程学院 1 7 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  (7)
节点文献
引证文献  (7)
同被引文献  (24)
二级引证文献  (18)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(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)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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(7)
  • 引证文献(2)
  • 二级引证文献(5)
2018(8)
  • 引证文献(4)
  • 二级引证文献(4)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
特征表征方法
图像重建
图像分辨率
稀疏表示
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
电子科技大学学报
双月刊
1001-0548
51-1207/T
大16开
成都市成华区建设北路二段四号
62-34
1959
chi
出版文献量(篇)
4185
总下载数(次)
13
总被引数(次)
36111
论文1v1指导