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:
插值是图像处理中的基本问题,现有的插值算法无法对具有复杂结构和丰富纹理的图像进行准确有效插值。对图像进行四叉树分形编码,确定相应的最优线性变换参数,建立具有相似关系的“子块‐父块对”;根据块之间的相似关系与图像分辨率无关的特点,以超分辨率分形解码的方式对吸引子进行重建,进而得到插值图像;对分形编码的拼贴误差进行双立方插值,并以此作为补偿项对插值图像进行修正,进一步提高插值精度。标准测试图像的实验结果表明:与经典算法相比,分形插值能够对图像的结构细节实现准确有效的恢复,不会造成边缘模糊和锯齿效应,具有较高的插值精度和图像质量。
推荐文章
基于新边缘指导插值的迭代反投影超分辨率重建算法
超分辨率重建
迭代反投影
新边缘指导插值
峰值信噪比
均方根误差
基于Contourlet的改进双线性插值图像超分辨率算法
图像放大
超分辨
Contourlet变换
误差补偿
基于多邻域信息的监控图像超分辨率算法
超分辨率
双三次插值
灰度梯度
方向信息测度
参数估计
数据融合
快速方向字典插值的中低倍率超分辨率算法
超分辨率
中低倍率
纹理
插值
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 基于超分辨率分形解码和误差补偿的图像插值算法
来源期刊 安徽大学学报(自然科学版) 学科 工学
关键词 分形 局部自相似 图像插值
年,卷(期) 2015,(4) 所属期刊栏目 电子信息技术
研究方向 页码范围 50-56
页数 7页 分类号 TP391.41
字数 3318字 语种 中文
DOI 10.3969/j.issn.1000-2162.2015.04.010
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 孙冬 安徽大学电气工程与自动化学院 24 68 6.0 7.0
2 高清维 安徽大学电气工程与自动化学院 54 723 14.0 26.0
3 卢一相 安徽大学电气工程与自动化学院 26 108 6.0 9.0
4 竺德 安徽大学电气工程与自动化学院 7 7 2.0 2.0
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  (9)
节点文献
引证文献  (2)
同被引文献  (6)
二级引证文献  (6)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(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)
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
分形
局部自相似
图像插值
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
安徽大学学报(自然科学版)
双月刊
1000-2162
34-1063/N
大16开
安徽省合肥市
26-39
1960
chi
出版文献量(篇)
2368
总下载数(次)
6
总被引数(次)
11731
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导