基于支持向量機的圖像去噪算法研究.pdf

1、圖像是承載視覺信息的重要方式，一直以來作為圖像后續(xù)處理的前期階段，圖像去噪技術的研究受到人們的重視，盡最大可能的把圖像恢復到原始狀態(tài)是圖像去噪努力的方向。現(xiàn)有的方法在保證恢復圖像的準確性與保持圖像細節(jié)完整性方面具有一定效果，但仍不能完全滿足人們對于圖像去噪的期望。支持向量機是在統(tǒng)計學理論研究的成果上發(fā)展起來的，適用于解決小樣本、高維度和非線性問題，不僅在分類問題上廣泛應用，也適用于解決回歸擬合問題。把支持向量機在回歸擬合方面的優(yōu)勢應用到

2、圖像的噪聲點復原，不僅可以獲得準確的原始灰度信息，同時也保證了細節(jié)部分不致出現(xiàn)惡化。
　　 本文首先研究了圖像脈沖噪聲的檢測方法，然后使用支持向量機作為濾波方法對一定的樣本集進行回歸擬合，從而得出圖像噪聲點原始信息，主要內(nèi)容如下:
　　 首先，根據(jù)人類視覺系統(tǒng)的特點，通過研究像素點的區(qū)域均勻度與圖像均勻度的大小關系判定其是否為噪聲點。若經(jīng)判定為噪聲點，則利用v-SVR進行濾波。之前的支持向量機用于圖像去噪的研究中常使用ε

3、-SVR作為濾波方法，但ε-SVR參數(shù)ε的實際意義不明顯，導致在應用中難以找到合適的ε，最終導致支持向量機出現(xiàn)過學習或者欠學習，推廣能力惡化。本文使用v-SVR代替ε-SVR，參數(shù)v可以根據(jù)它的含義進行確定，極大的提高了回歸擬合結果的準確度。
　　 其次，脈沖噪聲在形態(tài)上具有明顯特征，根據(jù)某一像素點的灰度值與周圍各區(qū)域內(nèi)的灰度中值進行比較可以較為準確的檢測出噪聲點，使用中值用于比較，也在一定程度上杜絕了噪聲點對計算結果的影響。十