论文部分内容阅读
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