...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Optik: Zeitschrift fur Licht- und Elektronenoptik: = Journal for Light-and Electronoptic >Image reconstruction based on sparse and redundant representation model: Local vs nonlocal
【24h】

Image reconstruction based on sparse and redundant representation model: Local vs nonlocal

机译：基于稀疏和冗余表示模型的图像重建：局部与非局部

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper studied on image reconstruction techniques based on sparse and redundant representation in local and nonlocal ways. We expatiated on the principles of local and nonlocal reconstruction methods in sparse and redundant representation framework. Then we proposed a fixed point continuation solution for l1 regularization. We studied on the clustering-based sparse representation (CSR) algorithms, which combined dictionary learning and structure clustering in a unified variational framework. We used PSNR (Peak Signal to Noise Ratio) and MSSIM (Mean Structural Similarity) to evaluate the performance of those methods. Experimental results on different types of images indicate that combined local and nonlocal reconstruction model found the tradeoff between dictionary learning and structure clustering. It achieves the state of art reconstruction results and provides a valuable and promising reference for image reconstruction techniques.
机译：本文研究了基于稀疏和冗余表示的局部和非局部图像重建技术。我们在稀疏和冗余表示框架中阐述了本地和非本地重建方法的原理。然后，我们为l1正则化提出了一个定点连续解。我们研究了基于聚类的稀疏表示（CSR）算法，该算法在统一的变体框架中结合了字典学习和结构聚类。我们使用PSNR（峰值信噪比）和MSSIM（平均结构相似度）来评估这些方法的性能。在不同类型图像上的实验结果表明，组合的局部和非局部重建模型在字典学习和结构聚类之间找到了权衡。它获得了最新的重建结果，并为图像重建技术提供了有价值和有希望的参考。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号