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:
针对图像重建中低分辨率图像信息的利用和先验项(正则化项)的估计问题,提出一种新颖的算法——R-滤子方法,通过计算输入图像的高阶信息来构建先验项,同时采用广义交叉验证(Generalized Cross Validation,GCV)方法自适应求解先验项参数(正则化参数),加强算法的自适应性。实验结果表明:重建图像的峰值信噪比值(Peak Signal-to-Noise Ratio,PSNR)比目前主要先验项方法(BTV、Sparse、Huber)的重建图像的值更高,从重建图像的局部细节和纹理也看出该方法的重建图像具有更丰富的信息,同时,从构造方法上说明R-滤子方法在计算上要优于其他方法。
推荐文章
多帧图像的Tikhonov正则化重建算法研究
超分辨率
图像重建
Tikhonov正则化
校正效率
基于多尺度支撑域描述子的多光谱图像匹配算法
多光谱图像匹配
特征描述子
外点去除
R0-代数上的(λ,μ)直觉模糊滤子
R0-代数
直觉模糊集
直觉模糊滤子
(λ,μ)直觉模糊滤子
(λ,μ)直觉模糊格滤子
基于非降采样 Contourlet 的单帧图像超分辨率算法
NSCT
图像插值
超分辨率重建
图像增强
图像去噪
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R-滤子的多帧图像重建算法
来源期刊 计算机工程与应用 学科 工学
关键词 图像重建 R-滤子 广义交叉验证(GCV) 自适应参数 先验项 峰值信噪比值(PSNR)
年,卷(期) 2015,(17) 所属期刊栏目 图形图像处理
研究方向 页码范围 194-198
页数 5页 分类号 TP751.1
字数 4215字 语种 中文
DOI 10.3778/j.issn.1002-8331.1401-0293
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 陈帅 中国科学院成都计算机应用研究所 43 172 6.0 11.0
2 罗国涛 四川托普信息技术职业学院计算机学院 8 42 2.0 6.0
3 何易德 中国科学院成都计算机应用研究所 1 0 0.0 0.0
4 秦小林 中国科学院成都计算机应用研究所 19 22 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
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)
2009(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)
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
图像重建
R-滤子
广义交叉验证(GCV)
自适应参数
先验项
峰值信噪比值(PSNR)
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导