基于可拓展机器学习的失真图像视觉复原仿真

摘要

以获取优质的失真图像复原效果,并提升失真图像复原过程在嵌入环境中的适用性为目的,研究基于可拓展机器学习的失真图像视觉复原方法。基于图像的失真模型,采用机器学习算法中的最小二乘支持向量机的非线性映射能力,选取邻域对像素方法,构建失真图像与初始图像间的映射关系,依据该关系构建用于失真图像复原的回归模型,将失真图像和初始图像,分别作为回归模型的输入图像与目标图像,通过训练样本对的学习与训练过程,复原失真图像。利用映射—规约模型构建最小二乘支持向量机失真图像复原算法的可拓展架构,分析确定最小二乘支持向量机算法的图像复原并行性,并映射至多个并行失真图像复原处理模块,实现并行化失真图像视觉复原。仿真结果显示,所研究方法复原的失真图像视觉传达均方误差均值低于1.0,复原效果好,具有良好的可拓展性。