高斯隶属度优化的超分辨率随机森林学习算法

• 作者: 周文谊 王吉源
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 随机森林学习 单图像超分辨率 决策函数 高斯隶属度函数 经验冒险
• 年，卷（期）: 2016,（23）
• 所属期刊栏目: 图形图像处理
• 页码范围: 208-212
• 页数: 5页
• 分类号: TP391
• 字数: 5158字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1605-0312

摘要

随机森林学习算法是一种有效的单图像超分辨率方法，然而其决策函数是确定的二值函数，这对某些图像块的确定性划分并不是最优的选择。为提升单图像超分辨率性能，采用高斯隶属度函数构建随机森林各决策节点的决策函数，将决策函数的输出值由0和1的确定值转换到0~1之间的概率值，并在叶节点上依据数据划分路径上各决策节点概率的乘积进行预测，依据最小经验冒险准则学习决策参数，使随机森林能更好学习不同的样本数据。实验结果表明，与随机森林学习等目前主流单图像超分辨率方法相比，该方法可以提升超分辨率图像的峰值信噪比，同时运算效率与传统随机森林学习算法相当。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周文谊	江西环境工程职业学院通讯与信息学院	14	17	2.0	3.0
2	王吉源	江西理工大学信息工程学院	14	48	5.0	6.0