位置:成果数据库 > 期刊 > 期刊详情页
Multiplicity-preserving triangular set decomposition of two polynomials
  • ISSN号:1009-6124
  • 期刊名称:Journal of Systems Science and Complexity
  • 时间:2014.12.15
  • 页码:1320-1344
  • 分类:TP751.1[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]中国科学院成都计算机应用研究所,成都610041, [2]四川托普信息技术职业学院计算机学院,成都611743
  • 相关基金:中国科学院“西部之光”人才培养计划联合学者项目(No.[2011]); 国家973项目(No.2011CB302402); 国家自然科学基金重点项目(No.91118001)
  • 相关项目:基于符号-数值混合计算的误差可控算法及应用
中文摘要:

针对图像重建中低分辨率图像信息的利用和先验项(正则化项)的估计问题,提出一种新颖的算法——R-滤子方法,通过计算输入图像的高阶信息来构建先验项,同时采用广义交叉验证(Generalized Cross Validation,GCV)方法自适应求解先验项参数(正则化参数),加强算法的自适应性。实验结果表明:重建图像的峰值信噪比值(Peak Signal-to-Noise Ratio,PSNR)比目前主要先验项方法(BTV、Sparse、Huber)的重建图像的值更高,从重建图像的局部细节和纹理也看出该方法的重建图像具有更丰富的信息,同时,从构造方法上说明R-滤子方法在计算上要优于其他方法。

英文摘要:

In image reconstruction, making full use of low-resolution images and estimation prior is an important issue.This paper proposes a novel algorithm, using R-filters method, through calculating the high-level information of image and building prior term. At the same time, it takes advantage of the Generalized Cross-Validation(GCV)to solve adaptive regularization parameter, strengthens adaptivity of the algorithm. Result shows that compared to the current main reconstruction algorithm(BTV, Sparse, Huber), the Peak Signal-to-Noise Ratio(PSNR)of images is higher than others and details are also richer, also from the construction it shows R-filter is superior than others.

同期刊论文项目
期刊论文 56 会议论文 22 获奖 17 专利 3
期刊论文 15 会议论文 8
同项目期刊论文
期刊信息
  • 《系统科学与复杂性学报:英文版》
  • 主管单位:中国科学院
  • 主办单位:中国科学院系统科学研究所
  • 主编:
  • 地址:北京东黄城根北街16号
  • 邮编:100080
  • 邮箱:
  • 电话:010-62541831 62541834
  • 国际标准刊号:ISSN:1009-6124
  • 国内统一刊号:ISSN:11-4543/O1
  • 邮发代号:82-545
  • 获奖情况:
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国科学引文索引(扩展库),英国科学文摘数据库
  • 被引量:125