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:
为了解决监控图像中目标区域分辨率较低的问题,文中提出了一种图像超分辨率重构算法,算法分为两个阶段:字典训练和重构.在训练阶段,首先将低分辨率样本图像采用全变差的方法扩大到与其对应的高分辨率图像的大小,然后将图像分块并提取特征,最后基于高低分辨率图像块共享稀疏系数的思想,通过一定的算法,训练获得高低分辨率字典对.在重构阶段,首先按训练阶段相同的方法提取输入图像特征块,然后结合低分辨率字典获得稀疏系数,接着通过稀疏系数和高分辨率字典获得重构的图像块,最后将所有图像块融合为高分辨率图像.实验结果表明,算法在监控图像中取得了较为理想的超分辨率重构效果.
推荐文章
基于稀疏表示和近邻嵌入的图像超分辨率重构
超分辨率重构
稀疏表示
过完备字典
图像块近邻
权重
基于稀疏表示和自相似学习的图像超分辨率重构
超分辨率重构
稀疏表示
附加信息
自相似学习
基于二维稀疏表示的人脸超分辨率重构算法
人脸超分辨率
局部分块
二维稀疏表示
二维K-SVD
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 基于全变差和稀疏表示的图像超分辨率重构
来源期刊 信息技术 学科 工学
关键词 超分辨率 图像 稀疏表示 全变差
年,卷(期) 2018,(9) 所属期刊栏目 基金项目
研究方向 页码范围 24-27,32
页数 5页 分类号 TP391|TP301.6
字数 3137字 语种 中文
DOI 10.13274/j.cnki.hdzj.2018.09.006
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 刘涛 18 41 4.0 6.0
2 李智屹 1 1 1.0 1.0
3 韩玉兰 哈尔滨工业大学自动化测试及控制系 2 12 1.0 2.0
4 张路 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (47)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (2)
1981(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)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(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(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
超分辨率
图像
稀疏表示
全变差
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
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导