期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于组稀疏残差约束的自适应强噪声图像复原算法
1
作者
高红霞
陈展鸿
+3 位作者
曾润浩
罗澜
陈安
马鸽
《华南理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2018年第8期11-18,共8页
组稀疏学习在图像去噪中显示出巨大的潜力,但现有方法仅从图像块级别考虑含噪图像的非局部自相似性,影响了强噪声图像的重建质量.文中在组稀疏复原模型中引入组稀疏残差和全变分正则化约束,将含噪图像复原问题转化为多尺度图像块匹配和...
组稀疏学习在图像去噪中显示出巨大的潜力,但现有方法仅从图像块级别考虑含噪图像的非局部自相似性,影响了强噪声图像的重建质量.文中在组稀疏复原模型中引入组稀疏残差和全变分正则化约束,将含噪图像复原问题转化为多尺度图像块匹配和减小组稀疏残差;基于干净图像的组稀疏系数预估和多尺度图像块匹配,提出了自适应图像复原迭代算法,以提升组稀疏学习算法的图像去噪和精细结构复原能力.实验结果表明,文中算法能更好地保留图像的细节纹理,减少过平滑和伪影现象,在强噪声图像复原的主、客观综合评价上优于BM3D、WNNM等标杆去噪算法.
展开更多
关键词
图像
去噪
强噪声
图像
组稀疏残差
自适应正则化算法
非局部自相似性
多尺度图像块匹配
下载PDF
职称材料
题名
基于组稀疏残差约束的自适应强噪声图像复原算法
1
作者
高红霞
陈展鸿
曾润浩
罗澜
陈安
马鸽
机构
华南理工大学自动化科学与工程学院
广州大学机械与电气工程学院
出处
《华南理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2018年第8期11-18,共8页
基金
国家自然科学基金资助项目(61403146
61603105)
+2 种基金
广州市科技计划项目(201707010054
201704030072)
华南理工大学中央高校基本科研业务费专项资金资助项目(2015ZM128)~~
文摘
组稀疏学习在图像去噪中显示出巨大的潜力,但现有方法仅从图像块级别考虑含噪图像的非局部自相似性,影响了强噪声图像的重建质量.文中在组稀疏复原模型中引入组稀疏残差和全变分正则化约束,将含噪图像复原问题转化为多尺度图像块匹配和减小组稀疏残差;基于干净图像的组稀疏系数预估和多尺度图像块匹配,提出了自适应图像复原迭代算法,以提升组稀疏学习算法的图像去噪和精细结构复原能力.实验结果表明,文中算法能更好地保留图像的细节纹理,减少过平滑和伪影现象,在强噪声图像复原的主、客观综合评价上优于BM3D、WNNM等标杆去噪算法.
关键词
图像
去噪
强噪声
图像
组稀疏残差
自适应正则化算法
非局部自相似性
多尺度图像块匹配
Keywords
image denoising
images corrupted with strong noise
group sparsity residual
self-adaptive regulari-zation algorithm
nonlocal self-similarity
muhiscale patch matching
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于组稀疏残差约束的自适应强噪声图像复原算法
高红霞
陈展鸿
曾润浩
罗澜
陈安
马鸽
《华南理工大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2018
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部