支持向量机多特征分类学习的超分辨率复原

• 作者: 朱广萍 杜卓明 汤嘉立
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 超分辨率复原 支持向量机 多特征分类 样本学习
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 28-34,41
• 页数: 8页
• 分类号: TP391
• 字数: 6230字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2018.03.005

摘要

支持向量机(SVM)单一特征分类学习的超分辨率复原算法通过离线建立分类模型和减少样本库规模,降低了传统基于范例学习算法的样本块误匹配情况,增强了图像质量和计算速度.但由于图像特征的多样性,此类算法易造成复原结果的不稳定.本文给出一种以支持向量机多特征分类学习为基础的复原算法,将图像对应的颜色和纹理分类信息存储在样本库中,经过预分类筛选出样本子集,在高频预测时段直接从多特征相似的样本子集里实施准确的匹配检索.实验结果表明,相比于传统算法,本文算法的PSNR和SSIM值均有了一定提升,进一步精确匹配了低分辨率图像样本库,提高了复原效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱广萍	江苏理工学院计算机工程学院	6	18	3.0	3.0
2	杜卓明	江苏理工学院计算机工程学院	15	47	5.0	6.0
4	汤嘉立	江苏理工学院计算机工程学院	11	33	2.0	5.0