文献

J-GLOBAL ID：201802278182525229   整理番号：18A1747339

二重スパース性K-SVD辞書学習に基づくリモートセンシング画像超解像再構成【JST・京大機械翻訳】

Super-resolution reconstruction of remote sensing images based on double-sparse K-SVD dictionary learning

著者 (6件)： Kang Junmei (長安大学,西安,710054) ,  Sui Lichun (長安大学,西安 710054;地理国情監測国家測絵地理信息局工程中心,西安 710054) ,  Li Li (長安大学,西安,710054) ,  Yang Zhenyin (長安大学,西安,710054) ,  Ding Mingtao (長安大学,西安,710054) ,  Wang Jun (長安大学,西安,710054)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 54  号： 16  ページ： 187-191  発行年： 2018年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リモートセンシング画像の空間分解能を改善するために,二重スパース性K-SVD辞書学習に基づくリモートセンシング画像の超解像再構成アルゴリズムを提案した。スパース表現理論に基づいて,K-SVD辞書学習アルゴリズムを用いて,低解像度辞書とそのスパース係数を解き,スパース係数を高分解能辞書学習空間に伝達し,高分解能リモートセンシング画像を再構成し,高分解能辞書を再構成し,高解像と低分解能の辞書を形成した。辞書学習とスパース再構成の2段階に異なるスパース性を設けた。実験は,TM5画像,資源3画像,およびUSC_SIPI画像データベースからのリモートセンシング画像を再構成し,その結果,再構成画像のノイズの有無にかかわらず,提案したアルゴリズムのピーク信号対雑音比と構造類似性指標は,Bicubic法およびZeydeアルゴリズムのものより高いことを示した。K-SVDと二重スパースパラメータの導入は,辞書の学習時間を減少するだけでなく,高い空間分解能の向上能力も持つ。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *再構成 ,  高分解能 ,  *画像 ,  *超解像 ,  学習アルゴリズム ,  アルゴリズム ,  類似性 ,  画像データベース ,  空間分解能
準シソーラス用語： 低分解能 ,  スパース表現 ,  *リモートセンシング画像 ,  *辞書学習 ,  *スパース性 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (5件)： スパース性 ,  辞書学習 ,  リモートセンシング画像 ,  超解像 ,  再構成