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:
基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略,对每一图像块独立编码,易产生人工的分块效应。针对上述问题,该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识,即利用低分辨率图像的插值图像训练字典,并通过计算相似块局部编码的加权平均,得到每一图像块的非局部稀疏编码。仿真实验表明,所提算法能够获得更优的复原效果,并且对于含噪图像具有较强的鲁棒性。
推荐文章
图像超分辨率复原技术的现状与展望
超分辨率
图像复原
图像融合
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GEP多标记学习的图像超分辨率复原算法
超分辨率复原
基因表达式编程
支持向量机
样本学习
基于稀疏贝叶斯估计的单图像超分辨率算法
单图像超分辨率
超分辨率
贝叶斯估计
回归
稀疏表示
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 基于非局部稀疏编码的超分辨率图像复原
来源期刊 电子与信息学报 学科 工学
关键词 超分辨率图像复原 压缩感知 非局部自相似 非局部稀疏编码 单字典训练
年,卷(期) 2015,(3) 所属期刊栏目
研究方向 页码范围 522-528
页数 7页 分类号 TP391
字数 4406字 语种 中文
DOI 10.11999/JEIT140481
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 刘哲 西北工业大学理学院 59 2029 13.0 45.0
2 杨静 西北工业大学理学院 22 116 6.0 10.0
3 陈路 西北工业大学理学院 5 41 4.0 5.0
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  (15)
节点文献
引证文献  (12)
同被引文献  (21)
二级引证文献  (25)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(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)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(4)
  • 参考文献(4)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 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)
2016(5)
  • 引证文献(5)
  • 二级引证文献(0)
2017(8)
  • 引证文献(3)
  • 二级引证文献(5)
2018(11)
  • 引证文献(2)
  • 二级引证文献(9)
2019(12)
  • 引证文献(2)
  • 二级引证文献(10)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
超分辨率图像复原
压缩感知
非局部自相似
非局部稀疏编码
单字典训练
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
电子与信息学报
月刊
1009-5896
11-4494/TN
大16开
北京市北四环西路19号
2-179
1979
chi
出版文献量(篇)
9870
总下载数(次)
11
总被引数(次)
95911
论文1v1指导