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。

原文链接:http://www.cqvip.com//QK/95033X/201704/671776134.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）