留言板

 引用本文: 李小燕, 和红杰, 尹忠科, 陈帆. 基于加权Boosting的核偏最小二乘图像超分辨率重建[J]. 电子与信息学报, 2012, 34(7): 1525-1530.
Li Xiao-Yan, He Hong-Jie, Yin Zhong-Ke, Chen Fan. Image Super-resolution Reconstruction Based on Kernel Partial Least Squares and Weighted Boosting[J]. Journal of Electronics and Information Technology, 2012, 34(7): 1525-1530. doi: 10.3724/SP.J.1146.2011.01191
 Citation: Li Xiao-Yan, He Hong-Jie, Yin Zhong-Ke, Chen Fan. Image Super-resolution Reconstruction Based on Kernel Partial Least Squares and Weighted Boosting[J]. Journal of Electronics and Information Technology, 2012, 34(7): 1525-1530.

Image Super-resolution Reconstruction Based on Kernel Partial Least Squares and Weighted Boosting

• 摘要: 核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建，导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率，该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目，利用加权Boosting原理对KPLS回归预测量进行补偿，推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值情况下的重建性能，在合适的下，选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明，该文算法的超分辨率重建质量优于传统算法。
•  [1] Park S C, Park M K, and Kang M G. Super-resolution image reconstruction: a technical overview[J].IEEE Signal Processing Magazine.2003, 20(3):21-36[2]杨浩, 高建坡, 吴镇扬. 一种新的图像配准和超分辨率重建算法[J].电子与信息学报.2008, 30(1):168-171浏览[3]Yang Hao, Gao Jian-po, and Wu Zhen-yang. A new algorithm for image registration and super-resolution reconstruction[J].Journal of Electronics Information Technology.2008, 30(1):168-171[5]Glasner D.[J].Bagon S, and Irani M. Super-resolution from a single image[C]. IEEE 12th International Conference on Computer Vision, Kyoto, Japan.2009,:-[6]乔建苹, 刘琚, 闫华, 等. 基于Log-WT的人脸图像超分辨率重建[J].电子与信息学报.2008, 30(6):1276-1280浏览[7]Qiao Jian-ping, Liu Ju, Yan Hua, et al.. A Log-WT based super-resolution algorithm[J].Journal of Electronics Information Technology.2008, 30(6):1276-1280[8]Chan T M, Zhang J, Pu J, et al.. Neighbor embedding based super-resolution algorithm through edge detection and feature selection[J].Pattern Recognition Letters.2009, 30(5):494-502[9]Yang J, Wright J, Huang T, et al.. Image super-resolution via sparse representation[J].IEEE Transactions on Image Processing.2010, 19(11):2861-2873[10]李民, 李世华, 李小文, 等. 非局部联合稀疏近似的超分辨率重建算法[J].电子与信息学报.2011, 33(6):1407-1412浏览[11]Li Min, Li Shi-hua, Li Xiao-wen, et al.. Super-resolution reconstruction algorithm based on non-local simultaneous sparse approximation[J].Journal of Electronics Information Technology.2011, 33(6):1407-1412[12]胡宇, 赵保军, 沈庭芝, 等. 基于偏最小二乘的人脸超分辨率重构[J]. 北京理工大学学报, 2010, 30(9): 1098-1101.[14]Wu W, Liu Z, and He X. Learning-based super resolution using kernel partial least squares[J].Image and Vision Computing.2011, 29(6):394-406[15]王惠文, 吴载斌, 孟洁. 偏最小二乘回归的线性与非线性方法[M]. 北京: 国防工业出版社, 2006: 97-104, 215-225.[17]Rosipal R and Krmer N. Overview and recent advances in partial least squares[J].Lecture Notes in Computer Science.2006, 3940:34-51[18]Chen S, Wang J, Ouyang Y, et al.. Boosting part-sense multi-feature learners toward effective object detection[J].Computer Vision and Image Understanding.2011, 115(3):364-374[19]Chang C C. A boosting approach for supervised Mahalanobis distance metric learning[J].Pattern Recognition.2012, 45(2):844-862[20]Suresh S, Sundararajan N, and Saratchandran P. Risk- sensitive loss functions for sparse multi-category classification problems[J].Information Sciences.2008, 178(15):2621-2638[21]Gao X, Zhang K, Tao D, et al.. Joint learning for single image super-resolution via coupled constraint[J].IEEE Transactions on Image Processing.2012, 21(2):469-480[22]Wang Z, Bovik A C, Sheikh H R, et al.. Image quality assessment: from error measurement to structural similarity[J].IEEE Transactions on Image Processing.2004, 13(4):600-612
•  [1] 董哲康, 杜晨杰, 林辉品, 赖俊昇, 胡小方, 段书凯.  基于多通道忆阻脉冲耦合神经网络的多帧图像超分辨率重建算法, 电子与信息学报. doi: 10.11999/JEIT190868 [2] 张洁玉, 赵鸿萍, 陈曙.  自适应阈值及加权局部二值模式的人脸识别, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01218 [3] 陈思, 苏松志, 李绍滋, 吕艳萍, 曹冬林.  基于在线半监督boosting的协同训练目标跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00826 [4] 王守超, 李小霞, 张红英, 刘源.  基于偏最小二乘与改进中心对称CENTRIST的快速行人检测算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.01584 [5] 赵春晖, 张燚, 王玉磊.  基于小波核主成分分析的相关向量机高光谱图像分类, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.01282 [6] 宋海英, 何小海, 吴媛媛, 卿粼波.  一种稳健的多视频时空超分辨率重建算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.01435 [7] 李民, 李世华, 李小文, 乐翔.  非局部联合稀疏近似的超分辨率重建算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.01092 [8] 程倩倩, 范新南, 李庆武.  基于自类推的NSCT域单幅图像超分辨率重建, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00331 [9] 刘凡, 赵凤军, 邓云凯, 禹卫东, 艾加秋.  一种基于最小二乘直线拟合的高分辨率DBS成像算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00681 [10] 杨峰, 胡剑浩, 李少谦.  基于欠奈奎斯特采样的超宽带信号总体最小二乘重建算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2009.00879 [11] 王素玉, 卓力, 沈兰荪, 李晓光.  一种用于动态视频超分辨率的多尺度最小二乘仿射块匹配图像配准方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.01745 [12] 孙显, 王宏琦, 张正.  基于对象的Boosting方法自动提取高分辨率遥感图像中建筑物目标, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.01111 [13] 韩玉兵, 束锋, 吴乐南.  基于加权最小二乘滤波的视频序列超分辨率重建, 电子与信息学报. doi: 10.3724/SP.J.1146.2006.01509 [14] 胡红梅, 周琳, 马浩, 吴镇扬.  基于偏最小二乘回归的与头相关传递函数的个人化, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.00146 [15] 徐忠强, 朱秀昌.  基于噪声分布特性的压缩视频超分辨率重建, 电子与信息学报. doi: 10.3724/SP.J.1146.2006.01255 [16] 杨之光, 艾海舟.  基于形状无关纹理和Boosting学习的人口统计学分类, 电子与信息学报. doi: 10.3724/SP.J.1146.2006.01328 [17] 乔建苹, 刘琚, 闫华, 孙建德.  基于Log-WT的人脸图像超分辨率重建, 电子与信息学报. doi: 10.3724/SP.J.1146.2006.01829 [18] 杨浩, 高建坡, 吴镇扬.  一种新的图像配准和超分辨率重建算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.00234 [19] 韩玉兵, 吴乐南, 张冬青.  基于正则化处理的超分辨率重建, 电子与信息学报. doi: 10.3724/SP.J.1146.2005.01631 [20] 徐忠强, 朱秀昌.  压缩视频超分辨率重建技术, 电子与信息学报. doi: 10.3724/SP.J.1146.2005.01199
• 点击查看大图
计量
• 文章访问数:  1941
• HTML全文浏览量:  36
• PDF下载量:  929
• 被引次数: 0
出版历程
• 收稿日期:  2011-11-16
• 修回日期:  2012-03-26
• 刊出日期:  2012-07-19

目录

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈

官方微信，欢迎关注