基于支持向量机的图像去噪算法研究

《基于支持向量机的图像去噪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号婴3鱼!!生密级公珏一重庆邮电大学硕士学位论文论文提交日期!!!!生!旦论文答辩日期!Q!≥生§旦2§旦论文评阅人2013年5月独创性声明IllllllllIIIIIIIIIY2399757本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重麽自E电太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

2、学位论文作者签名：南9匕龙签字日期：2口廖年s月2牛日学位论文版权使用授权书本学位论文作者完全了解重鏖邮电太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权重庞邮电太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)，学位论文作者签名：高岁匕左导师签名签字日期：S-o7弓年5月2个日签字日期：重庆邮电大学硕士论文摘要图像是承载视觉信息的重要方

3、式，一直以来作为图像后续处理的前期阶段，图像去噪技术的研究受到人们的重视，尽最大可能的把图像恢复到原始状态是图像去噪努力的方向。现有的方法在保证恢复图像的准确性与保持图像细节完整性方面具有一定效果，但仍不能完全满足人们对于图像去噪的期望。支持向量机是在统计学理论研究的成果上发展起来的，适用于解决小样本、高维度和非线性问题，不仅在分类问题上广泛应用，也适用于解决回归拟合问题。把支持向量机在回归拟合方面的优势应用到图像的噪声点复原，不仅可以获得准确的原始灰度信息，同时也保证了细节部分不致出现恶化。本文首先研究

4、了图像脉冲噪声的检测方法，然后使用支持向量机作为滤波方法对一定的样本集进行回归拟合，从而得出图像噪声点原始信息，主要内容如下：首先，根据人类视觉系统的特点，通过研究像素点的区域均匀度与图像均匀度的大小关系判定其是否为噪声点。若经判定为噪声点，则利用y—SVR进行滤波。之前的支持向量机用于图像去噪的研究中常使用占一SVR作为滤波方法，但s—SVR参数s的实际意义不明显，导致在应用中难以找到合适的占，最终导致支持向量机出现过学习或者欠学习，推广能力恶化。本文使用V—SVR代替占一SVR，参数y可以根据它的含义

5、进行确定，极大的提高了回归拟合结果的准确度。其次，脉冲噪声在形态上具有明显特征，根据某一像素点的灰度值与周围各区域内的灰度中值进行比较可以较为准确的检测出噪声点，使用中值用于比较，也在一定程度上杜绝了噪声点对计算结果的影响。十字形和方形相结合的模板用于构造训练集，可以发挥出他们各自的优点，提高训练样本的质量。最后，对本文提出的方法进行实验检验。通过实验结果可以看出，本文提出的方法不仅可以有效的去掉图像脉冲噪声，而且在保护图像细节上也有不错的表现。关键词：图像去噪，支持向量机，回归拟合，脉冲噪声，人类视觉系

6、统AbstractThe1mageisallimportantwaytoexpressvisualinformation．Imagedenoisinghasbeennecessaryintheearlystagesofthesubsequentprocessingoftheimage．Peoplepaygreatattentionontheresearchofimagesdenoisingtechnology．Torestoretheimageto1t5onginalstateasmuchaspossib

7、leisthegoalofimagedenoising．Existingimagedenoisingmethodshasacertaineffecttoensuretheaccuracyoftherestoredimageandmaintaintheintegrityoftheimagedetail，butitstillcannotfullymeettheexDectationsofthepeopletoimagedenoising，Supportvectormachineisdevelopedonthe

8、basisofthestatisticallearningtheory．Itisappliedtosolvethesmallsample，highdimensionandnonlinearproblems．NotonlyisSupportvectormachinewidelyusedinclassificationproblems，butalsosuitableforsolvingregressionproblem．Invie