本文關(guān)鍵詞：高斯隸屬度優(yōu)化的超分辨率隨機(jī)森林學(xué)習(xí)算法

  更多相關(guān)文章： 隨機(jī)森林學(xué)習(xí) 單圖像超分辨率 決策函數(shù) 高斯隸屬度函數(shù) 經(jīng)驗(yàn)冒險(xiǎn)

【摘要】：隨機(jī)森林學(xué)習(xí)算法是一種有效的單圖像超分辨率方法,然而其決策函數(shù)是確定的二值函數(shù),這對某些圖像塊的確定性劃分并不是最優(yōu)的選擇。為提升單圖像超分辨率性能,采用高斯隸屬度函數(shù)構(gòu)建隨機(jī)森林各決策節(jié)點(diǎn)的決策函數(shù),將決策函數(shù)的輸出值由0和1的確定值轉(zhuǎn)換到0~1之間的概率值,并在葉節(jié)點(diǎn)上依據(jù)數(shù)據(jù)劃分路徑上各決策節(jié)點(diǎn)概率的乘積進(jìn)行預(yù)測,依據(jù)最小經(jīng)驗(yàn)冒險(xiǎn)準(zhǔn)則學(xué)習(xí)決策參數(shù),使隨機(jī)森林能更好學(xué)習(xí)不同的樣本數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明,與隨機(jī)森林學(xué)習(xí)等目前主流單圖像超分辨率方法相比,該方法可以提升超分辨率圖像的峰值信噪比,同時(shí)運(yùn)算效率與傳統(tǒng)隨機(jī)森林學(xué)習(xí)算法相當(dāng)。
【作者單位】： 江西環(huán)境工程職業(yè)學(xué)院通訊與信息學(xué)院;江西理工大學(xué)信息工程學(xué)院;
【關(guān)鍵詞】： 隨機(jī)森林學(xué)習(xí) 單圖像超分辨率 決策函數(shù) 高斯隸屬度函數(shù) 經(jīng)驗(yàn)冒險(xiǎn)
【基金】：江西省教育廳青年科學(xué)基金項(xiàng)目(No.GJJ14455)
【分類號】：TP391.41;TP181
【正文快照】： 1引言為了提高圖像或者圖像序列的分辨率,常使用超分辨率(Super Resolution,SR)技術(shù),該技術(shù)可以克服低端采集設(shè)備的分辨率限制,是計(jì)算機(jī)視覺領(lǐng)域的熱門研究課題[1]。依據(jù)圖像源的數(shù)量不同,可以將SR技術(shù)分為多圖像超分辨率和單圖像超分辨率(Single Image SuperResolution,SISR)

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉足華;熊惠霖;;基于隨機(jī)森林的目標(biāo)檢測與定位[J];計(jì)算機(jī)工程;2012年13期

2 董師師;黃哲學(xué);;隨機(jī)森林理論淺析[J];集成技術(shù);2013年01期

3 陳姝;彭小寧;;基于粒子濾波和在線隨機(jī)森林分類的目標(biāo)跟蹤[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

4 王麗婷;丁曉青;方馳;;基于隨機(jī)森林的人臉關(guān)鍵點(diǎn)精確定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

5 李建更;高志坤;;隨機(jī)森林針對小樣本數(shù)據(jù)類權(quán)重設(shè)置[J];計(jì)算機(jī)工程與應(yīng)用;2009年26期

6 吳華芹;;基于訓(xùn)練集劃分的隨機(jī)森林算法[J];科技通報(bào);2013年10期

7 程光;王貴錦;何禮;林行剛;;人體姿勢估計(jì)中隨機(jī)森林訓(xùn)練算法的并行化[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

8 于延;王建華;;基于云計(jì)算平臺的隨機(jī)森林算法的研究與實(shí)現(xiàn)[J];科技通報(bào);2013年04期

9 劉永春;宋弘;;基于隨機(jī)森林的乳腺腫瘤診斷研究[J];電視技術(shù);2014年15期

10 楊帆;林琛;周綺鳳;符長虹;羅林開;;基于隨機(jī)森林的潛在k近鄰算法及其在基因表達(dá)數(shù)據(jù)分類中的應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2012年04期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會論文集[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

2 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測與跟蹤[D];華南理工大學(xué);2015年

3 王宇恒;推薦系統(tǒng)中隨機(jī)森林算法的優(yōu)化與應(yīng)用[D];浙江大學(xué);2016年

4 張玉桃;旅客社會網(wǎng)絡(luò)中的家庭出行預(yù)測及其行為特征分析[D];北京交通大學(xué);2016年

5 張興;基于Spark大數(shù)據(jù)平臺的火電廠節(jié)能分析[D];太原理工大學(xué);2016年

6 楊麗;音頻場景分析與識別方法研究[D];南京大學(xué);2013年

7 魯奉軍;基于隨機(jī)森林算法的目標(biāo)檢測與動(dòng)作識別方法研究[D];吉林大學(xué);2016年

8 吳敏;融合多特征的產(chǎn)品垃圾評論識別[D];福州大學(xué);2012年

9 鐘龍申;隨機(jī)森林算法處理不平衡數(shù)據(jù)的改進(jìn)及其并行化[D];廣東工業(yè)大學(xué);2016年

10 胡太祥;大規(guī)模圖像標(biāo)注方法研究[D];華中科技大學(xué);2014年

，

本文編號：524422