{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,3,28]]，“日期-时间”：“2024-03-28T01:56:22Z”，“时间戳”：1711590982505}，“参考-计数”：52，“出版商”：“Springer Science and Business Media LLC”，“问题”：“16”，“许可证”：[{“开始”：}“日期-零件”：[2020,2,13]]，”日期-时间“：“2020-02-13T00:00:00Z”，“timestamp”：1581552000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://\\www.springer.com/tdm”}，{“start”：{“date-parts”：[[2020,2,13]]，“date-time”：“2020-02-13T00:00:00Z”，“timetamp”：15.52000000}，”content-versiion“：”vor“，”delay-in-days“：0，”URL“http://www.springer.com\/tdm“}”，“出资人”：[{“名称”：“陕西省自然科学基础研究计划”，“奖项”：[“2019JM-103”]}，{“name”：“中国科学院光谱成像技术重点实验室开放式研究基金”，“奖”：[”LSIT201920W“]}、{“DOI”：“10.13039\/501100017611”，“name”:“陕西省社会科学基金”，”DOI-asserted-by“：”crossref“，”award“：[”2019H010“]}.，{”DOI“：“10.13039\/50100018621”，“name”：“长江学者和大学创新团队计划”，“doi-asserted-by”：“crossref”，“award”：[“IRT13090”]}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[”Neural Compute&Application“]，“published-print”：{“date-parts”：[2020,8]}，”doi“：“10.1007\/s00521-020-04717-w”，“type”：“journal-article”，“created”：{“date-parts”：[[2020,2,13]]，“date-time”：“2020-02-13T16:05:16Z”，“timestamp”：158160996000}，“page”：”12575-12590“，“update-policy”：：“http://\/dx.doi.org\/10007\/springer_crossmark_policy“，”source“Crossref”，“is-referenced-by-count”：12，“标题”：[“通过结构约束低阶近似进行图像去噪”]，“前缀”：“10.1007”，“卷”：“32”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0001-9542-1251”，“authenticated-ORCID”：false，“给定”：“永勤”，“家族”：“张”，“序列”：“第一”，“从属关系”：[]}，{“给定的”：“瑞文”，“家庭”：“康”，“顺序”：“附加”，“附属关系”：[]}“给定”：“仙林”，“家族”：“彭”，“序列”：“附加”，“从属”：[]}，{“给定”：“军”，“家庭”：“王”，“顺序”：“额外”，“隶属”：[]}，}“给定的”：“吉华”，“家人”：“朱”，“次序”：“添加”，“附属”：[[]}，{”给定“：“金叶”，“家”：“彭氏”，“序号”：“新增”，“归属”：[4]}，“family”：“Liu”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2020,2,13]]}，“reference”：[{“key”：“4717_CR1”，“doi-asserted-by”：“crossref”，”first page“：”176“，”doi“：”10.1016\/j.mri.2018.11.022“，”volume“：“57”，“author”：“F Baselice”，“year”：“2019”，“unstructured”：“Baselice F，Ferraioli G、Pascazio V、Sorriso A（2019年）在非局部框架中使用Kolmogorov\u2013Smirnov距离对MR图像进行去噪。磁共振成像57:176\u2013193”，“日志标题”：“磁共振成像”}，{“问题”：“5”，“关键”：“4717_CR2”，“doi-asserted-by”：“交叉引用”，“首页”：“1273”，“doi”：“10.1007\/s00521-015-1933-9”，“卷”：“27”，“作者”：“M Ben Abdallah”，“年份”：“2016”，“非结构化”：“Ben Abdallah M，Malek J，Azar AT，Belmabrouk H，Monreal JE，Krissian K（2016）自适应降噪各向异性扩散滤波器。神经计算应用27（5）：1273\u20131300”，“journal-title”：“神经计算应用”}，{“key”：“4717_CR3”，“doi-asserted-by”：“crossref”，”first page“：”145“，”doi“：”10.1016\/j.media.2017.07.006“，”volume“：“42”，”author“：”A Benou“，“year”：“2017”，“unstructured”：“Benou A，Veksler R，Friedman A，Raviv TR（2017）专家深度神经网络集成用于对比增强MRI序列的时空去噪。Med Image Ana 42:145\u2013159“，”journal-title“：”Med Image-Ana“}，{”issue“：”1“，”key“：”4717_CR4“，”doi-asserted-by“：”crossref“，“first page”：“1”，”doi“：”10.1561\/220000016“，”volume“：“3”，“author”：“S Boyd”，“year”：“2011”，“unstructured”：“Boyd S，Parikh N，Chu E，Peleato B，Eckstein J（2011）通过交替方向乘数法进行分布式优化和统计学习。Found Trends Mach Learn 3（1）：1\u2013122“，”journal-title“：”Found Strends Mach Learn“}，{”issue“：”2“，”key“：”4717_CR5“，”doi-asserted-by“：”crossref“，”first page“：“490”，“doi”：“10.1137\/040616024”，“volume”：“4”，“author”：“A Buades”，“year”：“2005”，“unstructured”：“Buades A，Coll B，Morel JM（2005）回顾了图像去噪算法，并介绍了一种新的算法。多尺度模型仿真4（2）：490\u2013530“，“journal-title”：“多尺度模型模拟”}，{“issue”：“4”，“key”：“4717_CR6”，“doi-asserted-by”：“crossref”，“first-page:”1956“，”doi“：”10.1137\/080738970“，”volume“：”20“，”author“：”Cai“，”year“：”2010“unstructured”：“Cai JF，Candes EJ，Shen Z（2010）”矩阵补全的奇异值阈值算法。SIAM J Optim 20（4）：1956\u20131982“，“journal-title”：“SIAM J opim”}，{“issue”：“6”，“key”：“4717_CR7”，“doi-asserted-by”：“crossref”，“first page”：”717“，“doi”：“10.1007 \/s10208-009-9045-5”，“volume”:“9”，“author”：“EJ Candes”，”year“2009”，“unstructured”：“Candes EJ，Recht B（2009）通过凸优化实现精确矩阵补全。计算数学9（6）：717\u2013772“，”journal-title“：”Found Comput Math“}，{”issue“：”3“，”key“：”4717_CR8“，”doi-asserted-by“：”crossref“，”first page“：“11:1”，“doi”：“10.1145\/1970392.1970395”，“volume”：“58”，“author”：“EJ Cands”，“year”：“2011”，“unstructured”：“Candes EJ，Li XD，Ma Y，Wright J（2011）稳健主成分分析？J ACM 58（3）：11:1\u201311:37“，”期刊标题：“J ACM”}，｛“issue”：“8”，“key”：“4717_CR9”，“doi asserted by”：“crossref”，“首页”：“2080”，“doi”：“10.1109\/TIP.2007.901238”，“volume”：“16”，“author”：“K Dabov”，“year”：“2007”，“nonstructured”：“Dabov K，Foi A，Katkovnik V，Egiazarian K（2007）稀疏三维变换域协同滤波图像去噪。IEEE Trans Image Process 16（8）：2080\u20132095“，”journal-title“：”IEEE Trans-Image Process“}，{“issue”：“11”，“key”：“4717_CR10”，“doi-asserted-by”：“crossref”，“first page”：”1413“，”doi“：”10.1002\/cpa.20042“，”volume“：”57“，”author“：”I Daubechies“，”year“：”2004“，”unstructured“：”Daubechees I，Defrise M，De Mol C（2004）具有稀疏约束的线性反问题的迭代阈值算法。Commun Pure Appl Math 57（11）：1413\u20131457“，“journal-title”：“Commun Pure Appl Math”}，{“key”：“4717_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Divakar N，Babu RV（2017）：通过CNN的图像去噪：对抗方法。In:2017 IEEE计算机视觉和模式识别研讨会会议（CVPRW），夏威夷州火奴鲁鲁市，2013年7月21日，2017年7月26日，第1076\u20131083页，“DOI”：“10.1109\/CVPRW.2017.145”}，{“issue”：“12”，“key”：“4717_CR12”，“DOI-asserted-by”：“crossref”，“first page”：”3736“，”DOI“：”10.1109\/TIP.2006.881969“，”volume“：”15“author”：“M Elad”，“year”：“2006”，“unstructured”：“Elad M，Aharon M（2006）通过学习字典上的稀疏和冗余表示进行图像去噪。IEEE Trans Image Process 15（12）：3736\u20133745“，”journal-title“：”IEEE Trans-Image Process“}，{”key“：”4717_CR13“，”doi-asserted-by“：”crossref“，”first page“：“48”，”doi“：”10.1016\/j.ins.2017.02.044“，”volume“：‘397’，”author“：”F Fan“，”year“2017”，”unstructured“：”Fan F，Ma Y，Li C，Mei X，Huang j，Ma j（2017）基于超像素分割和低阶表示的高光谱图像去噪。Inf Sci 397:48\u201368“，”journal-title“：”Inf Scy“}，{”issue“：”4“，”key“：”4717_CR14“，“doi-asserted-by“：”crossref“，”first-page“：”049101“，”doi“：”10.1007\/s11432-017-9207-9“，“volume”：“61”，“author”：“L Fan”，“year”：“2018”，“unstructured”：“Fan L，Li X，Guo Q，Zhang C（2018）”基于边缘相似性度量和自适应参数选择的非局部图像去噪。《科学与中国信息科学》61（4）：049101“，”杂志标题“：”《科学与中华信息科学》“}，{”问题“：”2“，”关键词“：”4717_CR15“，”doi-asserted-by“：”crossref“，”首页“：”183“，“doi”：“10.1007\/s11263-016-0930-5”，“卷”：“121”，“作者”：“SH顾”，“年份”：“2017”，“非结构化”：“顾SH，谢Q，孟DY，左WM，冯旭，张L（2017）加权核范数最小化及其在低水平视觉中的应用。Int J Comput Vis 121（2）:183\u2013208”，“期刊标题”：“Int J Comput Vis”}，｛“期刊期”：“9”，“密钥”：“4717_CR16”，“doi断言”：“交叉引用”，“首页”：“2117”，“doi”：“10.1109\/TPAMI.2012.271”，“卷”：“35”，“作者”：“Y Hu”，“年份”：“2013”，“非结构化”：“Hu Y，Zhang DB，Ye JP，Li XL，He XF（2013）通过截断核范数正则化快速准确地完成矩阵补全。IEEE Trans-Pattern Ana Mach Intell 35（9）：2117\u20132130“，“journal-title”：“IEEE Trans-Pattern ANA Mach Intel}，{“key”：“4717_CR17”，“doi-asserted-by”：“crossref”，“first page”：”147“，“doi”：“10.1016\/j.ins.2017.0.047”，“volume”：《429》，“author”：“YM Huang”，《年份》：“2018”，“unstructured”：“Huang YM，Yan HY，Wen YW，Yang X（2018）应用于图像噪声去除的秩最小化。Inf Sci 429:147\u2013163“，“journal-title”：“Inf Scy”}，{“issue”：“4”，“key”：“4717_CR18”，“doi-asserted-by”：“crossref”，“first-page:”148“，”doi“：”10.1140\/epjp\/i2018-11941-0“，”volume“：”133“，‘author’：”M Irshad“，”year“：”2018“unstructured”：“Irshade M，Muhammad N，Sharif M，Yasmeen M（2018）利用盲形态学操作自动分割心脏MR短轴图像中的左心室。Eur Phys J Plus 133（4）：148“，”journal-title“：”Eur Phy J Plus“}，{“issue”：“2”，“key”：“4717_CR19”，“doi-asserted-by”：“crossref”，“first page”：”269“，”doi“：”10.1049\/iet-its.2018.5223“，”volume“：”13“，”author“：”S Khalid“，”year“：”2018“，”unstructured“：”Khalid S，Muhammad N，Sharif M（2018）具有数字分割和识别功能的交通标志自动测量。IET Intell Transp Syst 13（2）：269\u2013279“，”journal-title“：”IET Intel-Trans Syst“}，{“issue”：“1”，“key”：“4717_CR20”，“doi-asserted-by”：“crossref”，“first page”：”34“，”doi“：”10.1140\/epjp\/i2019-12432-6“，”volume“134”，”author“：”H Khan“，”year“2019”，“unstructured”：“Khan H，Sharif M，Bibib N，穆罕默德·N（2019）一种新的基于子带形态学操作的脑动脉瘤检测算法。Eur Phys J Plus 134（1）：34“，”journal-title“：”Eur Phis J Plus“}，{”issue“：”4“，”key“：”4717_CR21“，”doi-asserted-by“：”crossref“，”first page“：“1377”，”doi“：”10.1007\/s10044-018-0688-1“，”volume“：22”，“author”：“MA Khan”，“year”：“2019”，“unstructured”：“Khan MA，Akram T，Sharif M，Javed MY，Muhammad N，Yasmin M（2019年）在选定的融合特征上使用多层神经网络实现动作分类的优化框架。Pattern Anal Appl 22（4）：1377\u20131397“，“journal-title”：“Pattern Anal Appl”}，{“issue”：“4”，“key”：“4717_CR22”，“doi-asserted-by”：“crossref”，“first page”：《454》，“doi”：“10.3390\/sym11040454”，《volume》：“11”，“author”：“NS Khan”，“year”：“2019”，“unstructured”：“Khan NS，Muhammad N，Farwa S，Saba T，Khattak S，Mahmood Z（2019）低复杂度MV-HEVC的早期CU深度决策和参考图片选择。Symmetry 11（4）：454“，“journal-title”：“Symmety”}，{“issue”：“4”，“key”：“4717_CR23”，“doi-asserted-by”：“crossref”，“first-page”：“1991”，“doi”：“10.1007\/s11045-019-00639-6”，“volume”：《30》，“author”：“Z-Mahood”，“year”：“2019”，“unstructured”：“Mahmood Z，Bibib N，Usman M，Khan U，Muhammad N（2019）基于移动云的体育应用程序框架。多维系统信号处理30（4）：1991\u20132019”，“日志标题”：“多维系统信号过程”}，{“问题”：“1”，“关键”：“4717_CR24”，“doi-asserted-by”：“交叉引用”，“首页”：“778”，“doi”：“10.1186\/s12885-018-4638-5”，“卷”：“18”，“作者”：“B Mughal”，“年份”：“2018”，“非结构化”：“Mughal B，Muhammad N，Sharif M，Rehman A，Saba T（2018）根据地形图和变形轮廓去除胸肌。BMC Cancer 18（1）：778“，”journal-title“：”BMC Cance“}，{”issue“：”4“，”key“：”4717_CR25“，”doi-asserted-by“：”crossref“，”first page“：“1013”，”doi“：”10.1007\/s10044-017-0617-8“，“volume”：“21”，“author”：“N Muhammad”，“year”：“2018”，“unstructured”：“Muhammad-N，Bibi N，Jahangir A，Mahmood Z（2018）”基于范数加权融合估计的图像去噪。Pattern Anal Appl 21（4）：1013\u20131022“，”journal-title“：”Pattern Anal Appl“}，{”key“：”4717_CR26“，”doi-asserted-by“：”crossref“，”first page“：“413”，”doi“：”10.1016\/j.compeleceng.2017.05.023“，”volume“：Naqvi SR、Oh HS、Kim DG（2018年）图像去噪与子带替换和融合过程使用贝叶斯估计。Compute Electr Eng 70:413\u2013427“，”journal-title“：”Compute Electr Eng.“}，{”key“：”4717_CR27“，”doi-asserted-by“：”crossref“，”first page“：“130”，”doi“：”10.1016\/j.patcog.2018.02.005“，”volume“：通过区分性低阶稀疏字典学习实现医学图像的联合融合、去噪和增强。Pattern Recognit 79:130\u2013146“，“journal-title”：“Pattern Regnit”}，{“issue”：“12”，“key”：“4717_CR28”，“doi-asserted-by”：“crossref”，“first-pages”：“3321”，“doi”：“10.1109\/TCSVT.2017.2759187”，《volume》：“28”，《author》：“HF Liu”，“year”：“2018”，“unstructured”：“Liu HF，Xiong RQ，Liu D，Ma SW，Wu F，Gao W（2018）基于块内和块间相关性的低阶正则化图像去噪。IEEE Trans Circuits Syst Video Technol 28（12）:3321\u20133332“，”期刊标题：“IEEE Trans Circuits Syst Video Technol”}，｛“issue”：“1”，“key”：“4717_CR29”，“doi asserted by”：“crossref”，“首页”：“214”，“doi”：“10.1137\/070697653”，“volume”：“7”，“author”：“J Mairal”，“year”：“2008”，“nonstructured”：“Mairal J，Sapiro G，Elad M（2008）学习用于图像和视频恢复的多尺度稀疏表示。多尺度模型仿真7（1）：214\u2013241“，”journal-title“：”Multiscale Model Simul“}，{”issue“：”8“，”key“：”4717_CR30“，”doi-asserted-by“：”crossref“，”first-page“：”3842“，”doi“：”10.1109\/TIP.2018.2819821“，”volume“：“27”，”author“：”W Meiniel“，”year“：”2018“，”unstructured“：”Meinil W，Olivo-Marin JC，Angelini ED（2018）显微图像去噪：最新技术综述，以及一种新的基于稀疏性的方法。IEEE Trans Image Process 27（8）：3842\u20133856“，”journal-title“：”IEEE Trans-Image Process“}，{”issue“：”2“，”key“：”4717_CR31“，”doi-asserted-by“：”crossref“，”first page“：“460”，“doi”：“10.1137\/040605412”，“volume”：“4”，“author”：“S Osher”，“year”：“2005”，“unstructured”：“Osher S，Burger M，Goldfarb D，Xu JJ，Yin WT（2005）基于全变分的图像复原的迭代正则化方法。多尺度模型仿真4（2）：460\u2013489“，”journal-title“：”Multiscale Model Simul“}，{”issue“：”8“，”key“：”4717_CR32“，”doi-asserted-by“：”crossref“，”first-page“：”263“，”doi“：”10.1007\/s00521-017-2995-7“，”volume“：“29”，“author”：“G Ozmen”，“year”：“2018”，“unstructured”：“Ozmen-G，Ozsen S（2018）一种基于加权三维小波变换的fMRI去噪新方法。神经计算应用程序29（8）：263\u2013276“，”journal-title“：”Neural Comput Appl“}，{”issue“：”1“，”key“：”4717_CR33“，”doi-asserted-by“：”crossref“，”first page“：“251”，”doi“：”10.1109\/TIP.2016.262418“，”volume“26”，”author“：”G Papari“，”year“2017”，”unstructured“：”Papari G，Idowu N，Varslot T（2017）用于大型3D图像去噪的快速双边滤波。IEEE Trans Image Process 26（1）：251\u2013261“，”journal-title“：”IEEE Trans-Image Process“}，{”issue“：”11“，”key“：”4717_CR34“，”doi-asserted-by“：”crossref“，”first page“：“1338”，“doi”：“10.1109 \/TIP.2003.818640”，“volume”：“12”，“author”：“J Portilla”，“year”：“2003”，“unstructured”：“Portilla J，Strela V，Wainwright MJ，Simoncelli EP（2003））在小波域中使用高斯尺度混合的图像去噪。IEEE Trans Image Process 12（11）:1338\u20131351“，”期刊标题“：”IEEE Trans Image Process“}，｛”键“：”4717_CR35“，”doi断言“：”crossref“，”首页“：”165“，”doi“：”10.1016\/j.media.20199.05.001“，”卷“：”55“，”作者“：”MS Ran“，”年份“：”2019“，”非结构化“：”Ran MS，Hu JR，Chen Y，Chen H，Sun HQ，Zhou JL，Zhang Y（2019）使用残差编码器Wasserstein生成对抗网络对3D磁共振图像进行去噪。Med Image Anal 55:165\u2013180“，”journal-title“：”Med Image-Anal“}，{“key”：“4717_CR36”，”doi-asserted-by“：”crossref“，”first page“：”34“，”doi“：”10.1016\/j.ultramic.2018.012“，”volume“：“187”，”author“：”j Spiegelberg“，“年份”：“2018”，“非结构化”：“Spiegelberg J，Idrobo JC，Herklotz A，Ward TZ，Zhou W，Rusz J（2018）增强原子分辨率成像的局部低阶去噪。Ultrammicroscopy 187:34\u201342“，“journal-title”：“Ultrammicro”}，{“key”：“4717_CR37”，“doi-asserted-by”：“crossref”，“unstructured”：“Tomasi C，Manduchi R（1998）灰度和彩色图像的双边滤波。摘自：IEEE计算机视觉国际会议论文集，加州圣巴巴拉，1998年6月23日\u201325日，第839\u2013846页”，“doi”：“10.1109\/ICCV.1998.710815“}，{“issue”：“3”，“key”：“4717_CR38”，“doi-asserted-by”：“crossref”，“first page”：”391“，“doi”：“10.1088\/0954-898X_14_3_302”，“volume”：：“14”，“author”：“A Torralba”，“year”：“2003”，“unstructured”：“Torralba-A，Oliva A（2003）自然图像类别统计。Netw计算神经系统14（3）：391\u2013 412“，”新闻标题“：”Netw Comput Neural Syst“}，{“issue”：“4”，“key”：“4717_CR39”，“doi-asserted-by”：“crossref”，“first page”：”600“，“doi”：“10.1109 \/TIP.2003.819861”，“volume”：：“13”，“author”：“Z Wang”，“year”：“2004”，“unstructured”：“Wang Z，Bovik AC，Sheikh HR，Simoncelli EP（2004）图像质量评估：从错误可见性到结构相似性。IEEE Trans Image Process 13（4）：600\u2013612“，”journal-title“：”IEEE Trans-Image Process“}，{“issue”：“6”，“key”：“4717_CR40”，“doi-asserted-by”：“crossref”，“first page”：”2719“，”doi“：”10.1109\/TIP.2018.2889914“，”volume：“28”，“author”：“Y Wu”，“year”：“2019”，“unstructured”：“Wu Y，Fang LY，Li ST（2019）加权张量秩-1分解用于非局部图像去噪。IEEE Trans Image Process 28（6）：2719\u20132730“，“journal-title”：“IEEE Trans-Image Process”}，{“key”：“4717_CR41”，“doi-asserted-by”：“crossref”，“first-pages”：“1”，“doi”：“10.1016\/j.cviu.2017.11.012”，“volume”：《169》，“author”：“j Xiao”，“year”：“2018”，“unstructured”：“Xiao j，Tian H，Zhang Y，Zhou Y，Lei j（2018）基于纹理软件噪声估计的视频盲去噪。Comput-Vis Image Underst 169:1\u201313”，“journal-title”：“Comput-Vis-Image Underster”}，{“key”：“4717_CR42”，“unstructured”：“Xu J，Li H，Liang Z，Zhang D，Zhang-L（2018）现实世界噪声图像去噪：一个新的基准。arXiv预印本arXiv:1804.02603”}、{“issue”：“10”，“key“4717-CR43”，“doi-asserted-by”：“crossref”，“first-page”：“3187”，“doi”：“10.1109\/TIP.2015.2414877“，”卷“：”24“，”作者“：”Q Yan“，”年份“：”2015“，”非结构化“：”Yan Q，Xu Y，Yang X，Nguyen T（2015）基于梯度剖面清晰度的单图像超分辨率。IEEE Trans Image Process 24（10）：3187\u20133202“，”journal-title“：”IEEE Trans-Image Process“}，{”issue“：”6“，”key“：”4717_CR44“，”doi-asserted-by“：”crossref“，”first page“：“1348”，”doi“：”10.1109\/TMI.2018.2827462“，“volume”：“37”，”author“：”Q Yang“，”year“：”2018“，”unstructured“：”Yang Q，Yan P，Zhang Y，Yu H，Shi Y，Mou X，Kalra MK，ZhangY，Sun L，Wang G（2018）使用具有wasserstein距离和感知损失的生成对抗网络进行低剂量CT图像去噪。IEEE Trans Med Imaging 37（6）：1348\u20131357“，“journal-title”：“IEEE Trans-Med Imaging”}，{“issue”：“1”，“key”：“4717_CR45”，“doi-asserted-by”：“crossref”，“first-page”：“3”，“doi”：“10.1007\/s00521-015-2050-5”，“volume”：《29》，“author”：“CY Zhang”，“year”：“2018”，“unstructured”：“ZY，Hu WR，Jin TY，Mei ZL（2018）基于自适应张量核范数最小化的非局部图像去噪。神经计算应用程序29（1）：3\u201319”，“新闻标题”：“神经计算应用”}，{“问题”：“10”，“关键”：“4717_CR46”，“doi-asserted-by”：“交叉引用”，“首页”：“1873”，“doi”：“10.1109\/TKDE.2018.2808953”，“卷”：“30”，“作者”：“张华”，“年份”：“2018”，“非结构化”：“张华J，王S，赵MB，徐芳，叶云（2018）书籍表示的局部重建模型。IEEE Trans Knowl Data Eng 30（10）：1873\u20131886“，”journal-title“：”IEEE Trans-Knowl-Data Eng“}，{”issue“：”7“，”key“：”4717_CR47“，”doi-asserted-by“：”crossref“，”first page“：“3142”，“doi”：“10.1109\/TIP.2017.2662206”，“volume”：“26”，“author”：“K Zhang”，“year”：“2017”，“unstructured”：“Zhang K，Zuo W，Chen Y，Meng D，Zhang L”（2017）超越高斯去噪器：深度CNN的残差学习用于图像去噪。IEEE Trans Image Process 26（7）：3142\u20133155“，”journal-title“：”IEEE Trans-Image Process“}，{“issue”：“9”，“key”：“4717_CR48”，“doi-asserted-by”：“crossref”，“first-page:”4608“，”doi“：”10.1109\/TIP.2018.2839891“，”volume:“27”，“author”：“K Zhang”，“year”：“2018”，“unstructured”：“Zhang K，Zuo W，Zhang L（2018）”FFDNet：基于CNN的图像去噪的快速灵活解决方案。IEEE Trans Image Process 27（9）：4608\u20134622“，“journal-title”：“IEEE Trans-Image Process”}，{“key”：“4717_CR49”，“doi-asserted-by”：“crossref”，“first-page”：“128”，“doi”：“10.1016\/j.ins.2013.08.002”，“volume”：《259》，“author”：“Y Zhang”，“year”：“2014”，“unstructured”：“Zhang Y，Liu j，Li M，Guo Z（2014）基于自适应主成分分析和自相似性的联合图像去噪。Inf Sci 259:128\u2013141“，“journal-title”：“Inf Scy”}，{“issue”：“2”，“key”：“4717_CR50”，“doi-asserted-by”：“crossref”，“first-page:”662“，”doi“：”10.1109\/TCYB.2017.2786161“，”volume“：”49“，”author“：”Y Zhang“，”year“：”2019“unstructured”：“Zhang Y，Shi F，Cheng J，Wang L，Yap PT，Shen D（2019）新生儿大脑磁共振图像的纵向引导超分辨率。IEEE Trans Cybern 49（2）：662\u2013674“，“journal-title”：“IEEE Trans-Cybern”}，{“issue”：“9”，“key”：“4717_CR51”，“doi-asserted-by”：“crossref”，“first page”:“2797”，“doi”：“10.1109 \/TIP.2015.2431435”，“volume”：”24“author”：“Y Zhang”，“year”：“2015”，“unstructured”：“Zhang Y，Liu J，Yang W，Guo Z（2015）基于结构调制稀疏表示的图像超分辨率。IEEE Trans Image Process 24（9）：2797\u20132810“，“journal-title”：“IEEE Trans-Image Process”}，{“key”：“4717_CR52”，“doi-asserted-by”：“crossref”，“unstructured”：“钟XW，徐磊，李玉田，刘志勇，陈裕华（2015）秩最小化问题的非凸松弛方法。摘自：美国德克萨斯州奥斯汀市AAAI人工智能会议论文集，2013年1月25日至2015年1月30日，第1980\u20131987页，“DOI”：“10.1609\/AAAI.v29i1.9482”}]，“container-title”：[“神经计算和应用程序”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“http://link.springer.com\/content\/pdf\/10007\/s00521-04717-w.pdf”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“http://\/link.springer.com/article\/10.1007\/s00521-020-04717-w\/fulltext.html”，“content-types”：“text\/html”，“content-version”：“vor”，“intended-application”：“text-mining”}http:\/\/link.springer.com/content\/pdf\/10.1007\/s00521-020-04717-w.pdf“，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,10,15]]，“date-time”：”2022-10-15T13:18:10Z“timestamp”：1665839890000}，“score”：1，“resource”:{“primary”：{“URL”：“http:\/\/link.springer.com/10.1007\/s00521-020-04717-w“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2020,2,13]]}，“引用计数”：52，“日志发布”：{“发布”：“16”，“发布-发布”：.doi.org \/10.1007\/s00521-020-04717-w“，”关系“：{}，”ISSN“：[”0941-0643“，”1433-3058“]，“issn-type”：[{“value”：“0941-0643”，“type”:“print”}，{“value”：“1433-3058”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2020,2,13]}，“assertion”：[[{”value“：“2019年6月27日”，“order”：1，“name”：“received”，“label”：“received”，}}，{“value”：“2020年1月7日”，“订单”：2，“名称”：“accepted“，”label“：”accepted”，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2020年2月13日”，“订单”：3，“名称”：“first_online”，“标签”：“first online”，”group“：{“值”：“提交人声明他们没有利益冲突。“，”order“：2，”name“：”Ethics“，”group“：｛”name“：”EthicsHeading“，”label“：”利益冲突“｝｝]｝｝