10.16208/j.issn1000-7024.2018.04.035
基于多类预测器学习的超分辨率复原算法
为解决样本学习超分辨率算法的图像样本误匹配和边缘平滑问题,提出一种基于神经网络的非线性多类预测器学习算法,设计神经网络多类预测器,采用小生境基因表达式编程方法优化反向传播神经网络.通过学习样本集对预测器进行训练,学得学习样本中的先验知识,根据从低分辨率图像块提取的特征矢量预测图像高频信息,完成图像超分辨率复原.实验结果表明,相比样本预分类学习的几种算法,该算法的PSNR和SSIM值均有了一定提升,主观上复原结果具有更丰富的细节.
超分辨率复原、多类预测器、小生境算法、基因表达式编程、神经网络
39
TP391(计算技术、计算机技术)
国家自然科学基金项目61402206;中国博士后科学基金项目2016M601845;住房城乡建设部研究开发基金项目2016-K8-028
2018-06-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
1100-1105