排序方式： 共有2条查询结果，搜索用时 5 毫秒
1
1.
采用稀疏表示的图像超分辨率算法中,双字典训练算法与字典的细节恢复能力相关,针对已有双字典训练算法使字典缺乏高频细节信息的特点,提出了一种交替K-奇异值分解字典训练算法。该算法分为训练和测试部分。在训练部分每次字典更新都采用奇异值分解所得到的向量对低高频样本块进行最佳低秩逼近,使得低高频样本块随着迭代次数的增加逐渐取得相同或者相似的稀疏表示系数。在测试过程中,测试低频样本块可以利用低频字典取得的稀疏表示系数与高频字典相乘得到高频细节信息。实验表明,与目前已有算法相比,该算法能够得到高频细节较丰富的图像,平均峰值信噪提高0.3 dB以上,结构相似度提高0.01左右。 相似文献
2.
反距离加权插值算法中插值参数对DEM插值误差的影响 总被引：5，自引：0，他引：5
插值算法是影响DEM精度的主要因素之一,对于插值参数如何影响插值算法并最终影响插值精度却研究较少。这里以反距离加权插值算法中的插值参数为实验对象,选取了6种不同地貌类型的离散点数据,基于中误差度量指标,运用交叉验证方法研究权指数、搜索点数、搜索方向对DEM插值精度的影响。实验结果表明:1)在搜索方向方面,四方向搜索和八方向搜索对提高DEM插值精度并不明显;2)搜索点数为8～12点是较好的选择;3)当权指数≥3时,对DEM插值精度的影响不明显,2或3是较好的选择;4)3因素对DEM插值精度的显著性影响顺序为"权指数>搜索点数>搜索方向"。 相似文献
1