基于GEP多标记学习的图像超分辨率复原算法

摘要

针对传统基于范例学习超分辨率复原算法的样本块误匹配和结果不稳定等不足,提出一种基于基因表达式编程多标记学习的超分辨率复原算法,筛选出与目标图像相关性高的样本子库,在多标记框架下进行样本预分类.该算法根据图像的多重特征筛选出其相关图像类别,离线建立分类模型,提高了图像质量和计算速度.实验结果表明,该算法稳定性强、鲁棒性好,缩小了低分辨率图像块的匹配范围,提高了超分辨率复原的效果和效率.