计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2012年
8期
3151-3153,3175
,共4页
超分辨率重建%支持向量机(SVM)%颜色特征%样本学习
超分辨率重建%支持嚮量機(SVM)%顏色特徵%樣本學習
초분변솔중건%지지향량궤(SVM)%안색특정%양본학습
针对一般基于范例学习超分辨率重建算法的图像块误匹配和运算复杂度高等问题,提出了一种基于支持向量机预分类学习的算法.通过在匹配搜索前使用SVM筛选出与重建目标图像颜色特征相似的样本子库,保证了精确匹配搜索过程中样本块与输入低分辨率图像块内容之间的相关性,大大减少了误匹配现象,从而提 高了图像重建质量.实验结果表明,算法的重建效果优于基于范例学习的算法,并在保证重建精度的前提下有效提高了算法运行速度.
針對一般基于範例學習超分辨率重建算法的圖像塊誤匹配和運算複雜度高等問題,提齣瞭一種基于支持嚮量機預分類學習的算法.通過在匹配搜索前使用SVM篩選齣與重建目標圖像顏色特徵相似的樣本子庫,保證瞭精確匹配搜索過程中樣本塊與輸入低分辨率圖像塊內容之間的相關性,大大減少瞭誤匹配現象,從而提 高瞭圖像重建質量.實驗結果錶明,算法的重建效果優于基于範例學習的算法,併在保證重建精度的前提下有效提高瞭算法運行速度.
침대일반기우범례학습초분변솔중건산법적도상괴오필배화운산복잡도고등문제,제출료일충기우지지향량궤예분류학습적산법.통과재필배수색전사용SVM사선출여중건목표도상안색특정상사적양본자고,보증료정학필배수색과정중양본괴여수입저분변솔도상괴내용지간적상관성,대대감소료오필배현상,종이제 고료도상중건질량.실험결과표명,산법적중건효과우우기우범례학습적산법,병재보증중건정도적전제하유효제고료산법운행속도.
