基于单图像超分辨率的约束随机森林算法

摘要：

为解决现有单图像超分辨率算法对不同类型图像鲁棒性不强的问题,提出一种基于多模糊核约束的随机森林算法.结合多模糊核扩展随机森林训练阶段的输入特征向量,由低分辨率图像块和对应的模糊核组合生成输入特征变量;将多模糊核引入到决策树构建的质量测度函数中,用于约束决策树构建时的结点划分,使生成的叶结点更纯;采用多模糊核对叶结点的回归模型进行约束,降低决策树的预测误差.仿真结果表明,与主流的基于学习的单图像超分辨率算法相比,该算法对不同图像的鲁棒性更强,采用该方法重建的超分辨率图像的峰值信噪比更高.

关键词：随机森林、单图像超分辨率、决策树、回归、机器学习、模糊核

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：河南省高等学校重点科研基金项目15A520054;河南省科技厅科技计划课题基金项目112102310550

在线出版日期：2017-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：970-975