基于加权boosting的核偏最小二乘图像超分辨率重建 image super-resolùtion reconstruction based on kernel partial least squares and weighted boosting.pdfVIP

下载本文档

2
0
约2.04万字
约 6页
2017-08-21 发布于上海
举报
版权申诉

基于加权boosting的核偏最小二乘图像超分辨率重建 image super-resolùtion reconstruction based on kernel partial least squares and weighted boosting.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于加权boosting的核偏最小二乘图像超分辨率重建 image super-resolùtion reconstruction based on kernel partial least squares and weighted boosting

第34卷第7期电子与信息学报 V01．34No．7 2012年7月 JournalofElectronicsIntbrmation Jul．2012 Technology 基于加权BoostingfltJ核偏最小二乘图像超分辨率重建李小燕和红杰。尹忠科陈帆 f西南交通大学信号与信息处理四川省重点实验室成都610031) 摘要：核偏最小二乘(KPLS)算法对每个图像块选川全部。t，C成分进行图像重建，导致图像超分辨率算法的汁镩旱=人。兼顾图像重建质晕=和时问效率，该文提出一种加权Boosting的图像超分辨率曩建算法。为门适应地选取缚 M州预测鼙进行补偿，推导给…补偿权蕊系数的个图像块土元成分的最佳数目，利川力¨杈Boosting原理对KPI．S m更好地数学表达式。讨论小同Boosting阈值6情况F的重建。阽能，存合适的6下，选取m上元成分的最佳数H 满足KPI。S同归模型的精度要求。实验结果表明，该文算法的超分辨率莺建质量优丁传统算法。关键词：图像超分辨率重建；加杖Boosting；核偏最小_乘(KPLS)；Boosting阈值：土兀成分中图分类号：TP391 文献标识码：A DOI：10．3724／SP．J．1146．2011．01191 ReconstructionBasedon ImageSuper—resoIiltion PartialLeast and Kernel SquaresWeightedBoosting He Yin Fan Li Chen Xiao-yanHong··jie Zhong--ke and KeyLaboratoryofSig玎tal InformationProcessing，SouthwestJiaoton9University，Chengdu (Sichuan Abstract：TheKernelPartialLemst ha．sa calculationsinceitusesallthe Squares(KPI—S)methodlarge principal foreach I)lock．Toconsiderreconstructionandtime componentsimage quality efficiency．aweightedBoosting based is inthis choose thebestnumberof foreach algorithmproposedpaper．Toadaptively principalcomponents estimatorinKPI—S modelis for coefficient block，the image prediction performedcomt)ensation．Theweight of is