一種自適應(yīng)加權(quán)編碼正則化重建算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
圖像重建技術(shù)，是利用已退化的低分辨圖像重建高分辨圖像，盡可能重建得到人們滿意的高分辨率圖像。目前，圖像重建技術(shù)在軍事、醫(yī)學(xué)、公共安全，計(jì)算機(jī)視覺(jué)等方面得到廣泛應(yīng)用。由于自然圖像本質(zhì)上具有稀疏性，近些年來(lái)，基于字典與稀疏表示的圖像重建算法受到廣泛關(guān)注，此類(lèi)方法可以較好地保持鄰域關(guān)系，而且可以恢復(fù)更多的圖像細(xì)節(jié)信息，在圖像去噪方面有很好的效果，尤其對(duì)圖像中含有多種噪聲的處理。基于稀疏表示算法能夠得到很好的發(fā)展主要是基于L1范數(shù)優(yōu)化技術(shù)的發(fā)展，并且考慮到自然圖像本質(zhì)上具有稀疏性。
雖然基于字典與稀疏表示的圖像重建算法在圖像重建過(guò)程中，可以得到一個(gè)比較好的重建結(jié)果。但是，該算法的正則項(xiàng)是基于L1正則化方法，Li正則化方法往往并不能產(chǎn)生最稀疏的解。另外，考慮真實(shí)圖像序列中，由于大多數(shù)圖像觀測(cè)模型中噪聲服從高斯分布。然而，現(xiàn)實(shí)世界中，許多真實(shí)圖像、視頻序列中，低分辨率圖像、視頻序列觀測(cè)模型中噪聲服從拉普拉斯分布（如椒鹽噪聲），而拉普拉斯噪聲具有很強(qiáng)的重尾分布特性。另外，對(duì)于圖像中同時(shí)含有高斯噪聲、拉普拉斯噪聲，對(duì)于它們美系模型設(shè)計(jì)過(guò)于單一化，沒(méi)有隨機(jī)性。
針對(duì)上述問(wèn)題，本文設(shè)計(jì)了一種自適應(yīng)加權(quán)編碼L1/2正則化的圖像重建算法。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種自適應(yīng)加權(quán)編碼正則化重建算法下載
相關(guān)電子資料下載
- 二進(jìn)制加權(quán)數(shù)模轉(zhuǎn)換器講解 1248
- 可編程通用濾波器實(shí)現(xiàn)C-message加權(quán)功能 493
- 用于二維近場(chǎng)微波和毫米波SAR圖像重建的多頻CS模型介紹 749
- 一種無(wú)需訓(xùn)練的深度電阻抗圖像重建方法 888
- 通過(guò)多尺度說(shuō)話人分解實(shí)現(xiàn)動(dòng)態(tài)尺度加權(quán) 1026
- 使用Clara AGX開(kāi)發(fā)工具包實(shí)現(xiàn)深度學(xué)習(xí)和AI圖像重建和推斷 1360
- 有方派CT達(dá)到行業(yè)頂尖圖像重建水平 3988
- 使用CISPR加權(quán)檢波器的模擬超外差接收機(jī)時(shí)代 1516
- 基于H．264實(shí)現(xiàn)最優(yōu)重疊塊匹配加權(quán)窗的系數(shù)設(shè)計(jì) 3250
- 一項(xiàng)新的研究表明，機(jī)器學(xué)習(xí)和AI在醫(yī)學(xué)圖像重建中非常不穩(wěn)定 2606