基于加权随机森林的图像超分辨率算法研究-控制与决策.PDFVIP

第xx 卷第x 期 控 制 与 决 策 Vol.xx No.x xxxx 年 x月 Control and Decision xxx.xxxx 文章编号: 1001-0920(0000)00-0000-00 DOI: 10.13195/j.kzyjc.2018.0140 基于加权随机森林的图像超分辨率算法研究 吴成东 , 卢紫微 , 于晓升 (1. 东北大学机器人科学与工程学院，沈阳110004；2. 辽宁石油化工大学计算机与通信工程学院, 辽宁抚顺113001) 摘 要: 针对目前图像超分辨率重建效果欠佳的问题, 提出一种基于加权随机森林的图像超分辨率重建算法. 首 先利用随机森林对图像块的特征进行聚类, 并引入岭回归模型建立每类叶子结点中高、低分辨率图像块的映射 关系, 重建时根据测试低分辨率图像块所属的类别以及在每类叶子结点中的K 近邻近似拟合误差, 进行加权预测 获得高分辨率图像块. 最后将图像的非局部自相似性与IBP 算法相结合对预测的高分辨率图像进行后处理提高 重建质量, 实验结果表明本文算法有效地提高了峰值信噪比, 具有更好的可视效果. 关键词: 超分辨率；随机森林；岭回归；K 近邻；加权预测 中图分类号: TP391 文献标志码: A Image Super Resolution Reconstruction Algorithm Based on Weighted RandomForest WUCheng-dong , LUZi-wei , YUXiao-sheng (1. Faculty of Robot Science and Engineering，Northeastern University，Shenyang 110004，China；2. College of ComputerandCommunicationEngineering,LiaoningShihuaUniversity，Fushun113001，China) Abstract: Inordertosolvethepracticalproblemofunsatisfactoryrestoredresult,imagesuperresolutionreconstruction algorithmviaweightedrandomforestisproposed. Atfirst,featuresofimagepatchesareclusteredbyrandomforest,and ridge regression is introduced to build the mapping between low and high resolution patches for each type of leaf note, and then, high resolution image patch is weighted predicted by the cluster test low resolution sample belonging to and K near neighbor approximate fitting error. Finally, the non-local similarity and IBP are utilized to improve the quality of image reconstruction. Experimental results show that our method effectively improves peak signal to noise ratio and acquiresbettervisualeffectsinreconstructedimage.