没有合适的资源？快使用搜索试试~
我知道了~
文库首页
开发技术
其它
基于自适应多字典学习的单幅图像超分辨率算法
基于自适应多字典学习的单幅图像超分辨率算法
研究论文
0 下载量
159 浏览量
2021-02-09
09:59:36
上传
评论
1
收藏
1.28MB
PDF
举报
温馨提示
立即下载
基于自适应多字典学习的单幅图像超分辨率算法
资源推荐
资源评论
基于卷积神经网络的单幅图像超分辨
浏览：63
与传统的超分辨算法相比, 基于卷积神经网络的超分辨算法具有较大优势, 但仍存在训练时间较长、重建图像纹理不够清晰等问题。基于此, 在原有的卷积神经网络超分辨重建算法基础上进行了以下优化：放弃原有的修正线性单元函数, 改用新的激活函数; 改变网络结构, 图像重建由最后的反卷积上采样来实现; 采用自适应矩估计优化算法替换原本的随机梯度下降优化算法。分别在Set5和Set14测试集上进行对比实验, 实验
结合多特征的单幅图像超分辨率重建算法
浏览：45
结合多特征的单幅图像超分辨率重建算法
论文研究-基于多字典的单幅图像超分辨率重建.pdf
浏览：120
对于目前图像超分辨率重建算法中的问题，忽略重建图像结构性和重建过程中丢失高频信息，提出了一种基于多字典的单幅图像超分辨率重建算法。在字典学习阶段根据每个图像块的主方向角，对所有训练图像块进行聚类并训练各类的字典。利用训练得到的字典重建训练样本并计算各类的残差图像块，然后对残差图像块再进行聚类、训练残差字典。用锚定邻域回归方法重建高分辨率图像，实验结果表明，该算法在客观评价和视觉效果上均优于许多优秀
CVPR2013基于字典学习的图像超分辨率代码
浏览：57
5星 · 资源好评率100%
CVPR2013--BPJDL--Beta Process Joint Dictionary Learning for Coupled Feature Spaces with Application to Single Image Super-Resolution
小波域多字典学习的单幅图像超分辨率
浏览：133
图像超分辨率（SR）的目的是根据给定的低分辨率（LR）图像和有关自然图像的先验知识，恢复高分辨率（HR）图像的高频（HF）细节。需要学习LR图像及其对应的HF细节的关系以指导HR图像的重建。为了减轻HF细节预测中的不确定性，通常将HR和LR图像在1级离散小波变换（DWT）之后分解为4个子带，包括一个近似子带和三个细节子带。从我们的观察中，我们发现HR图像的近似子带和相应的双三次插值图像非常相似，但
论文研究-基于稀疏表示的图像超分辨率算法研究 .pdf
浏览：122
基于稀疏表示的图像超分辨率算法研究，章权兵，陈亚东，图像超分辨率是指从场景的一幅或者多幅低分辨率图像中重构出一幅高分辨率图像。基于稀疏表示的超分辨率技术是目前较为先进的算法
论文研究-基于自适应规整化方法的图像超分辨率重建.pdf
浏览：110
以GaussGibbs随机场模型为图像的先验概率模型，运用自适应规整化的最大后验概率(MAP)方法进行图像超分辨率重建。通过对先验概率分布参数的估计，对图像超分辨率重建求解进行自适应规整化，从而提高重建图像的质量...
基于自适应多字典对的超分辨率复原算法* (2015年)
浏览：94
针对基于双字典训练的图像超分辨率算法中字典训练与重构阶段的重构误差,提出了一种基于自适应多字典对的超分辨率复原算法。通过对样本进行聚类并训练多特征字典来适应不同类型的输入图像。在字典训练阶段,充分利用了...
论文研究-基于稀疏表示的自适应图像超分辨率重建算法.pdf
浏览：94
针对图像高分辨率重建过程中稀疏解的存在性和唯一性问题以及超分辨率图像的边缘特征和平滑噪声的关系进行了研究, 提出了局部正则化参数自适应选取的方法。结合联合构造字典的算法, 在重建过程中动态调整正则化参数。...
基于自类推与NSCT的单幅图像超分辨率技术
浏览：199
在很多实际应用中很难获得适当的图像训练集，但是单幅图像放大却是一个病态问题。利用图像局部结构的自相似性和可传递性，结合非下采样Contourlet变换(NSCT)的优点，提出一种基于自类推与NSCT的单幅图像超分辨率重建(SRR)方法。采用NSCT对源图像和退化图像进行多尺度、多方向分解，得到用于学习的各带通方向子带对，利用图像自类推技术生成高分辨率的各带通方向子带，与立方插值放大后的源图像进行N
基于多尺度非局部约束的单幅图像超分辨率算法
浏览：6
基于多尺度非局部约束的单幅图像超分辨率算法
协作稀疏字典学习实现单幅图像超分辨率重建
浏览：188
字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段，通过K-Means聚类算法将样本图像块划分为不同的聚类；构建基于同时稀疏约束条件的协作稀疏字典学习模型对每个聚类训练高、低分辨率字典；应用基于L2范数的稀疏编码模型将图像超分辨率重建过程中输入图像块由低分辨率到高分辨率的映射转变为简单的线性映射，并针对不同聚类求得相应的线性映射矩阵。在
基于学习的单幅彩色图像超分辨率重建 (2015年)
浏览：6
为了解决单幅彩色图像超分辨率重建中以最常用的欧几里得最小距离来选择最相似块进行重建可能带来的块效应等视觉效果不佳的问题以及由于训练样本较少可能出现最近邻块和待复原块之间误匹配问题,提出在重构算法中引入权值融合机制。通过最小化局部重建误差来计算K个最近邻域块的重建权数,可提升输出图像的高频成分,有效地改善了图像的全局效果,并且将重建后的高频细节作为训练样本再次进行重建以得到更高的图像峰值信噪比( P
基于自适应半耦合字典学习的超分辨率图像重建
浏览：143
在半耦合字典学习的超分辨重建基础上，利用核范数构建一个新的正则项，将稀疏性和协同性作为一个整体进行考虑，并用交替方向乘子法（ADMM）求解优化模型，得到了基于自适应半耦合字典学习的超分辨率图像重建算法。...
基于自适应链接强度PCNN的多分辨率图像融合算法
浏览：96
基于自适应链接强度PCNN的多分辨率图像融合算法基于自适应链接强度PCNN的多分辨率图像融合算法
基于自适应阶数回归的MR图像超分辨率
浏览：59
基于自适应阶数回归的MR图像超分辨率
基于自适应联合分布建模的图像超分辨率
浏览：20
基于自适应联合分布建模的图像超分辨率
基于自适应高斯函数的鲁棒超分辨率图像复原
浏览：14
基于自适应高斯函数的鲁棒超分辨率图像复原，曾雪迎，，为增强复原图像对模型误差的鲁棒性,本文在正则化框架下提出了一种基于自适应数据保真项和改进的双边全变差正则项的超分辨率复原�
基于稀疏表示和自适应字典选择的单图像超分辨率
浏览：23
基于稀疏表示和自适应字典选择的单图像超分辨率
一种自适应权重学习的轻量超分辨率重建网络.docx
浏览：52
一种自适应权重学习的轻量超分辨率重建网络.docx
基于深度特征学习的图像自适应目标识别算法.pdf
浏览：136
基于深度特征学习的图像自适应目标识别算法.pdf
基于自适应隶属度的彩色图像分割算法性能评价.pdf
浏览：24
基于自适应隶属度的彩色图像分割算法性能评价.pdf
论文研究-基于自适应非局部均值滤波的图像去块算法 .pdf
浏览：129
基于自适应非局部均值滤波的图像去块算法，王慈，刘书，JPEG和MPEG等压缩标准导致的块效应是图像降质的主要表现。以往研究提出了各种降低量化噪声的方法，但都基于噪声大小已知的假设。这�
聚类稀疏表示和自适应补丁聚合的单图像超分辨率
浏览：62
提出了一种基于聚类的稀疏表示和自适应补丁集合的单图像超分辨率重建方法。 首先，我们从训练图像中随机提取图像补丁对，然后通过K均值聚类将这些补丁对划分为不同的组。 然后，我们从相应的组补丁对中离线学习一个...
基于自适应开关插值算法的图像椒盐噪声滤波 图像滤波算法.pdf
浏览：134
基于自适应开关插值算法的图像椒盐噪声滤波 图像滤波算法.pdf
基于自适应探索改进的深度增强学习算法.pdf
浏览：91
基于自适应探索改进的深度增强学习算法.pdf
论文研究-基于自适应学习群体搜索技术的集成进化算法.pdf
浏览：85
论文研究-基于自适应学习群体搜索技术的集成进化算法.pdf, 为了提高连续数值优化算法的普适性和鲁棒性，提出了基于自适应学习群体搜索技术的集成进化算法. 该算法集成了...
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
weixin_38553381
粉丝: 1
资源:
925
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
基于simulink的PLL锁相环系统仿真【包括模型，文档，参考文献，操作步骤】
基于EM-GMM模型的目标跟踪和异常行为检测matlab仿真【包括程序，注释，参考文献，操作步骤，说明文档】
2109010044_胡晨燕_选课管理数据库设计与实现.prj
帕鲁介绍的PPT备份没什么好下的
demo1-202405
两种方式修改Intel网卡MAC地址
服务器搭建所需资源：static文件夹
Vue02的源码学习资料
Python 程序语言设计模式思路-行为型模式：访问者模式：在不改变被访问对象结构的情况下，定义对其元素的新操作
Vue01的相关代码资料
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
