原文服务方: 微电子学与计算机       
摘要:
现有的非局部稀疏表示去噪算法大多严格依赖于块匹配,且其去噪性能受制于匹配的相似块的数量。鉴于此,提出了组约束与非局部稀疏的图像去噪模型。模型在非局部稀疏的基础上加入了分组约束,增强了图像块之间的非局部相似度,块匹配更加精确。实验表明,模型无论是在视觉效果还是峰值信噪比上均具有较好的性能。
推荐文章
基于非凸加权Lp范数稀疏误差约束的图像去噪算法
图像去噪
稀疏表示
稀疏系数
先验知识
l1范数
非凸加权lp范数
稀疏误差约束
峰值信噪比
基于稀疏表示的图像去噪算法优化
图像复原
图像去噪
稀疏表示
字典训练
峰值信噪比
基于稀疏先验的非局域聚类图像去噪算法研究
稀疏化先验
非局域聚类
图像去噪
强噪声
非局部群稀疏表示的图像去噪模型
图像去噪
群稀疏表示
非局部信息
贝叶斯估计
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 组约束与非局部稀疏的图像去噪算法
来源期刊 微电子学与计算机 学科
关键词 图像去噪 非局部相似 稀疏表示 分组约束
年,卷(期) 2015,(11) 所属期刊栏目
研究方向 页码范围 185-188
页数 4页 分类号 TN911.73
字数 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 陈利霞 桂林电子科技大学数学与计算科学学院 34 240 9.0 14.0
10 赛朋飞 桂林电子科技大学数学与计算科学学院 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  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(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(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
研究主题发展历程
节点文献
图像去噪
非局部相似
稀疏表示
分组约束
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
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导