.png){kind=icon}
返回
Adaptive reference constrained regularization by denoising for image restoration
.png){kind=icon}
PRE
AI
DOI：10.1142/S0219691325500407.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高质量参考图像可被视为许多图像重建技术的基础。正如由去噪实现的参考图像约束正则化所示，重建性能得到提升。然而，低质量参考图像会导致令人失望的结果，甚至表现不如完全不使用参考图像的方法。为解决此局限性，本文提出了一种新型框架，称为自适应参考约束去噪正则化。该方法通过自适应地利用现有算法获得的重建结果形成更可靠的约束，从而减轻低质量参考图像的影响。此外，引入了一个增强版本，配备自调谐参数，可在优化迭代过程中逐步降低劣质参考图像的权重。在单图像超分辨率和MRI重建上的大量实验表明，所提出的方法在定量指标和视觉保真度两方面均显著优于当前最优方法，包括去噪正则化和参考图像约束去噪正则化。
Keyword:
Reference image
regularization by denoising
image super-resolution
MRI image reconstruction
ADMM
期刊
I
IF:
0.8
论文数:
39
被引数:
717
机构
引用论文
Remote Sensing Image Super-Resolution Using Sparse Representation and Coupled Sparse Autoencoder
.png){kind=icon}
PREAI
分享收藏
查看更多内容