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:
图像超分辨率重建技术在提升图像质量,改善图像视觉效果等方面有着重要意义。为了充分利用图像自身蕴含的信息,本文提出一种基于自相似性和稀疏表示的单幅图像超分辨率重建算法。针对图像中存在的相同尺度和不同尺度的相似结构,算法联合稀疏 K-SVD 字典学习方法和非局部均值方法将蕴含在其中的有效信息以正则项的形式加入到最大后验概率估计框架中,然后,采用梯度下降法求解算法构建的目标函数,重建出高分辨率图像。实验表明,与经典的算法相比,本文算法在视觉效果和评价指标上都有一定的提高。
推荐文章
基于图像自相似性的多尺度稀疏表示肺4D-CT图像超分辨率重建
肺
四维计算机断层摄影
超分辨率重建
图像自相似性
多尺度分析
稀疏表示
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
基于稀疏表示的图像超分辨率重建算法
超分辨率重建
稀疏表示
L1范数优化
字典学习
粒子群优化算法
特征提取算子
基于改进PatchMatch的自相似性图像超分辨率算法
超分辨率
PatchMatch
模拟退火
自相似性
边缘相似度
图像块匹配
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 基于自相似性和稀疏表示的图像超分辨率重建
来源期刊 光电工程 学科 工学
关键词 超分辨率 自相似性 稀疏表示 稀疏K-SVD 非局部均值
年,卷(期) 2015,(12) 所属期刊栏目 ?图像与信号处理?
研究方向 页码范围 74-81
页数 8页 分类号 TN911.73
字数 5621字 语种 中文
DOI 10.3969/j.issn.1003-501X.2015.12.013
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 齐美彬 合肥工业大学计算机与信息学院 134 1683 20.0 34.0
2 蒋建国 合肥工业大学计算机与信息学院 245 2905 27.0 39.0
3 王超 合肥工业大学计算机与信息学院 45 218 9.0 12.0
4 陈亚运 合肥工业大学计算机与信息学院 3 12 2.0 3.0
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  (13)
节点文献
引证文献  (9)
同被引文献  (26)
二级引证文献  (21)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(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)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 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(2)
  • 二级引证文献(1)
2018(12)
  • 引证文献(2)
  • 二级引证文献(10)
2019(9)
  • 引证文献(2)
  • 二级引证文献(7)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
超分辨率
自相似性
稀疏表示
稀疏K-SVD
非局部均值
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
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导