基于单图像超分辨率的约束随机森林算法
Constrained random forest algorithm for single image super-resolution作者机构：河南工学院计算机科学与技术系河南郑州451191
出 版 物：《计算机工程与设计》 (Computer Engineering and Design)
年 卷 期：2017年第38卷第4期
页 面：970-975页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
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)
主 题：随机森林 单图像超分辨率 决策树 回归 机器学习 模糊核
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。
维普期刊数据库
同方期刊数据库