Key points are not available for this paper at this time.
Resumo Recentemente, muitos algoritmos de super-resolução foram propostos para recuperar imagens de alta resolução para melhorar a visualização e ajudar a analisar melhor as imagens. Entre eles, métodos de regularização de variação total (TV) têm se mostrado eficazes em reter informações de borda da imagem. No entanto, esses métodos de TV não consideram a correlação temporal entre as imagens. Nosso algoritmo projeta uma nova regularização TV (TV2++) para aproveitar a informação da dimensão temporal das imagens, aprimorando ainda mais a utilização de informações úteis nas imagens. Além disso, a união da regularização global de baixo posto e da regularização TV melhora ainda mais a recuperação de super-resolução da imagem. E estendemos a função de penalidade do tipo exponencial (ETP) nos valores singulares de uma matriz para aprimorar a recuperação de matrizes de baixo posto. Um novo algoritmo de super-resolução de imagem baseado na norma ETP e na regularização TV2++ é proposto. E o método dos multipliers de direção alternada (ADMM) é aplicado para resolver os problemas de otimização efetivamente. Vários resultados experimentais provam que o algoritmo proposto é superior a outros algoritmos.
Deng et al. (Sun,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: