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:
图像的超分辨率重建技术可以提升图像质量,改善图像视觉效果,在现实中具有很高的实用价值.针对基于K-SVD的超分辨率重建算法的不足,提出了一种基于稀疏K-SVD的单幅图像超分辨率重建算法.首先,采用稀疏K-SVD方法进行训练获得高低分辨率字典对,以待重建的低分辨率图像及其降采样作为字典训练的样本,提高了字典和待重建的低分辨率图像的相关性;然后,采用逐级放大的思想进行重建;最后,利用非局部均值的方法,进一步提高重建效果.实验表明,与基于K-SVD的超分辨率重建算法相比,本文算法重建图像的峰值信噪比平均提高了0.6 dB左右.重建图像在视觉效果上,也有一定程度的提升.
推荐文章
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
一种新的基于稀疏表示的超分辨率重建算法
超分辨率
图像重建算法
扩大训练集
训练样本分类
多字典对
融合低秩和稀疏表示的图像超分辨率重建算法
超分辨率重建
低秩矩阵恢复
稀疏重建
噪声
字典学习
基于稀疏表示的图像超分辨率重建算法设计
超分辨率重建
稀疏表示
字典学习
图像
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K-SVD的单幅图像超分辨率重建算法
来源期刊 电视技术 学科 工学
关键词 超分辨率 字典学习 稀疏K-SVD 非局部均值
年,卷(期) 2015,(18) 所属期刊栏目 视频应用与工程
研究方向 页码范围 82-85,102
页数 5页 分类号 TN911.73
字数 3985字 语种 中文
DOI 10.16280/j.videoe.2015.18.019
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 蒋建国 合肥工业大学计算机与信息学院 245 2905 27.0 39.0
2 王超 合肥工业大学计算机与信息学院 45 218 9.0 12.0
3 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  (6)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
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)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 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)
研究主题发展历程
节点文献
超分辨率
字典学习
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
电视技术
月刊
1002-8692
11-2123/TN
大16开
北京市朝阳区酒仙桥北路乙7号(北京743信箱杂志社)
2-354
1977
chi
出版文献量(篇)
12294
总下载数(次)
21
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导