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:
为了在无训练集的情况下,改善单帧退化图像的分辨率,实现了一种基于 Curvelet 变换和快速迭代收缩阈值法(FIST)的压缩传感超分辨率重建算法(Curvelet-FIST)。算法首先对低分辨率图像建立伪星形采样的采样方式,利用压缩传感理论,在 Curve-let 变换域,通过快速迭代收缩阈值法由采样值恢复出高分辨率图像。仿真实验表明,此超分辨率重建算法比传统的插值算法以及基于 Wavelet 变换和 FIST 的压缩传感重建算法(Wavelet-FIST)有更高的峰值信噪比。
推荐文章
采用稀疏表示和小波变换的超分辨率重建算法
图像处理
超分辨率
稀疏表示
局部线性嵌入
小波变换
基于微位移的超分辨率重建算法研究
超分辨率
微位移
微扫描
基于深度学习的图像超分辨率重建技术的研究
人工智能
深度学习
超分辨率
制造工艺
基于MAP算法的图像超分辨率重建
超分辨率
图像重建
最大后验概率
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 Curvelet 变换的压缩传感超分辨率重建
来源期刊 计算机应用与软件 学科 工学
关键词 压缩传感 超分辨率 Curvelet变换 快速迭代阈值法 星形采样
年,卷(期) 2016,(10) 所属期刊栏目 应用技术与研究
研究方向 页码范围 57-61
页数 5页 分类号 TP391
字数 4738字 语种 中文
DOI 10.3969/j.issn.1000-386x.2016.10.013
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 叶坤涛 江西理工大学理学院 16 48 4.0 6.0
2 贺文熙 江西理工大学理学院 8 22 3.0 4.0
3 郭振龙 江西理工大学理学院 2 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  (113)
共引文献  (133)
参考文献  (14)
节点文献
引证文献  (2)
同被引文献  (10)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(9)
  • 参考文献(0)
  • 二级参考文献(9)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(13)
  • 参考文献(3)
  • 二级参考文献(10)
2007(15)
  • 参考文献(1)
  • 二级参考文献(14)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(15)
  • 参考文献(0)
  • 二级参考文献(15)
2010(20)
  • 参考文献(2)
  • 二级参考文献(18)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压缩传感
超分辨率
Curvelet变换
快速迭代阈值法
星形采样
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导