文献类型：期刊文章

作　　者：黄陶冶[1] 孙恬恬[1] 周正华[1] 赵建伟[1]

Huang Taoye;Sun Tiantian;Zhou Zhenghua;Zhao Jianwei(Dept.of Applied Mathematics,College of Sciences,China Jiliang University,Hangzhou 310018,China)

机构地区：[1]中国计量大学理学院应用数学系,杭州310018

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61571410);浙江省自然科学基金资助项目(LY18F020018,LSY19F020001)。

年　　份：2020

卷　　号：37

期　　号：5

起止页码：1561-1565

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、EBSCO、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：在超分辨图像重建领域,如何平衡字典学习中表示系数的稀疏性和协同性对重建效果具有重要意义。针对该问题,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。实验结果表明,该方法比现有的一些基于字典学习的重建方法具有更好的重建效果,其能根据字典的变化自适应地平衡稀疏性与关联性,并通过两者之间的协调产生一个最合适的系数,因此在噪声环境下具有一定的抗干扰能力。

关 键 词：超分辨率重建 半耦合字典学习  自适应 核范  

分 类 号：TP391.41]