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:
采用非局部均值,全变差正则化和稀疏编码,提出一种新的单幅图像超分辨率重建方法.首先,用非局部均值方法对低分辨率图像进行去噪处理,可保证几何结构的一致性.然后,将去噪后的低分辨率图像代入重建模型得到高分辨率图像的低频分量,而高分辨率图像的高频分量则通过学习的方法在数据库中查找得到.将得到的低频分量与高频分量相加得到初始的高分辨率图像的恢复结果.最后对初始的恢复图像进行一些全局优化即可得到最终恢复的高分辨率图像结果.实验结果证明该方法得到的高分辨率图像结果具有鲁棒性且更自然.
推荐文章
改进的单幅图像自学习超分辨率重建方法
单幅图像超分辨率
L2范数
协作表示
支持向量回归
深度学习下的高效单幅图像超分辨率重建方法
深度学习
超分辨率重建
卷积神经网络
亚像素卷积
风格转移
基于引导滤波和多尺度局部自相似单幅红外图像超分辨率方法
超分辨率
引导滤波
多尺度
局部自相似
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
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 具有去噪和尺度放大的单幅图像超分辨率重建
来源期刊 中国科学院大学学报 学科 数学
关键词 超分辨率 非局部均值 全变差 稀疏编码
年,卷(期) 2016,(5) 所属期刊栏目 数学与物理学
研究方向 页码范围 596-603
页数 分类号 O221.7|O235
字数 语种 中文
DOI 10.7523/j.issn.2095-6134.2016.05.004
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 刘晓 中国科学院大学数学科学学院 120 1633 20.0 38.0
2 郭田德 中国科学院大学数学科学学院 25 265 9.0 16.0
6 韩丛英 中国科学院大学数学科学学院 12 60 3.0 7.0
10 李明强 中国科学院大学数学科学学院 3 2 1.0 1.0
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(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
超分辨率
非局部均值
全变差
稀疏编码
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
中国科学院大学学报
双月刊
2095-6134
10-1131/N
大16开
北京玉泉路19号(甲)
82-583
1984
chi
出版文献量(篇)
2247
总下载数(次)
2
论文1v1指导