基于机器学习的低分辨率图像增强和细节匹配方法

• 作者: 史小松 黄勇杰
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 机器学习 低分辨率 图像增强 细节匹配
• 年，卷（期）: 2017,（18）
• 所属期刊栏目: 研究简报
• 页码范围: 271-276
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文

摘要

当前低分辨率图像增强和细节匹配方法具有细节易丢失、边缘模糊、无法适应图像平移、旋转等变化的弊端,导致图像增强与细节匹配性能低下.为此,提出一种新的基于机器学习的低分辨率图像增强和细节匹配方法.通过建立一个间隔最大的超平面获取最小二乘支持向量机分类器.在待处理低分辨率图像中选择一块图像,将图像的每个3×3邻域像素看作一个训练样本,通过最小二乘支持向量机法对其进行训练,输出增强像素点.通过复数小波对图像特征进行描述,利用最小二乘支持向量机获取最优判定准则函数,输出最优匹配的目标子图像.实验结果表明,所提方法有很高的峰值信噪比、边缘保持指数和等效视数,很低的归一化均方误差、均值和方差,整体性能优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史小松	安阳师范学院计算机与信息工程学院	12	14	2.0	3.0
2	黄勇杰	安阳师范学院软件学院	12	16	2.0	4.0