基于支持向量機(jī)的圖像去噪算法研究

基于支持向量機(jī)的圖像去噪算法研究

ID:36601149

大?。?.81 MB

頁(yè)數(shù):56頁(yè)

時(shí)間:2019-05-12

基于支持向量機(jī)的圖像去噪算法研究_第1頁(yè)
基于支持向量機(jī)的圖像去噪算法研究_第2頁(yè)
基于支持向量機(jī)的圖像去噪算法研究_第3頁(yè)
基于支持向量機(jī)的圖像去噪算法研究_第4頁(yè)
基于支持向量機(jī)的圖像去噪算法研究_第5頁(yè)
資源描述:

《基于支持向量機(jī)的圖像去噪算法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)嬰3魚(yú)!!生密級(jí)公玨一重慶郵電大學(xué)碩士學(xué)位論文論文提交日期!!!!生!旦論文答辯日期!Q!≥生§旦2§旦論文評(píng)閱人2013年5月獨(dú)創(chuàng)性聲明IllllllllIIIIIIIIIY2399757本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知,除了文中特別加以標(biāo)注和致謝的地方外,論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果,也不包含為獲得重麼自E電太堂或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。

2、學(xué)位論文作者簽名:南9匕龍簽字日期:2口廖年s月2牛日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解重鏖郵電太堂有關(guān)保留、使用學(xué)位論文的規(guī)定,有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán),允許論文被查閱和借閱。本人授權(quán)重龐郵電太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書(shū)),學(xué)位論文作者簽名:高歲匕左導(dǎo)師簽名簽字日期:S-o7弓年5月2個(gè)日簽字日期:重慶郵電大學(xué)碩士論文摘要圖像是承載視覺(jué)信息的重要方

3、式,一直以來(lái)作為圖像后續(xù)處理的前期階段,圖像去噪技術(shù)的研究受到人們的重視,盡最大可能的把圖像恢復(fù)到原始狀態(tài)是圖像去噪努力的方向?,F(xiàn)有的方法在保證恢復(fù)圖像的準(zhǔn)確性與保持圖像細(xì)節(jié)完整性方面具有一定效果,但仍不能完全滿足人們對(duì)于圖像去噪的期望。支持向量機(jī)是在統(tǒng)計(jì)學(xué)理論研究的成果上發(fā)展起來(lái)的,適用于解決小樣本、高維度和非線性問(wèn)題,不僅在分類問(wèn)題上廣泛應(yīng)用,也適用于解決回歸擬合問(wèn)題。把支持向量機(jī)在回歸擬合方面的優(yōu)勢(shì)應(yīng)用到圖像的噪聲點(diǎn)復(fù)原,不僅可以獲得準(zhǔn)確的原始灰度信息,同時(shí)也保證了細(xì)節(jié)部分不致出現(xiàn)惡化。本文首先研究

4、了圖像脈沖噪聲的檢測(cè)方法,然后使用支持向量機(jī)作為濾波方法對(duì)一定的樣本集進(jìn)行回歸擬合,從而得出圖像噪聲點(diǎn)原始信息,主要內(nèi)容如下:首先,根據(jù)人類視覺(jué)系統(tǒng)的特點(diǎn),通過(guò)研究像素點(diǎn)的區(qū)域均勻度與圖像均勻度的大小關(guān)系判定其是否為噪聲點(diǎn)。若經(jīng)判定為噪聲點(diǎn),則利用y—SVR進(jìn)行濾波。之前的支持向量機(jī)用于圖像去噪的研究中常使用占一SVR作為濾波方法,但s—SVR參數(shù)s的實(shí)際意義不明顯,導(dǎo)致在應(yīng)用中難以找到合適的占,最終導(dǎo)致支持向量機(jī)出現(xiàn)過(guò)學(xué)習(xí)或者欠學(xué)習(xí),推廣能力惡化。本文使用V—SVR代替占一SVR,參數(shù)y可以根據(jù)它的含義

5、進(jìn)行確定,極大的提高了回歸擬合結(jié)果的準(zhǔn)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(diǎn)的灰度值與周?chē)鲄^(qū)域內(nèi)的灰度中值進(jìn)行比較可以較為準(zhǔn)確的檢測(cè)出噪聲點(diǎn),使用中值用于比較,也在一定程度上杜絕了噪聲點(diǎn)對(duì)計(jì)算結(jié)果的影響。十字形和方形相結(jié)合的模板用于構(gòu)造訓(xùn)練集,可以發(fā)揮出他們各自的優(yōu)點(diǎn),提高訓(xùn)練樣本的質(zhì)量。最后,對(duì)本文提出的方法進(jìn)行實(shí)驗(yàn)檢驗(yàn)。通過(guò)實(shí)驗(yàn)結(jié)果可以看出,本文提出的方法不僅可以有效的去掉圖像脈沖噪聲,而且在保護(hù)圖像細(xì)節(jié)上也有不錯(cuò)的表現(xiàn)。關(guān)鍵詞:圖像去噪,支持向量機(jī),回歸擬合,脈沖噪聲,人類視覺(jué)系

6、統(tǒng)AbstractThe1mageisallimportantwaytoexpressvisualinformation.Imagedenoisinghasbeennecessaryintheearlystagesofthesubsequentprocessingoftheimage.Peoplepaygreatattentionontheresearchofimagesdenoisingtechnology.Torestoretheimageto1t5onginalstateasmuchaspossib

7、leisthegoalofimagedenoising.Existingimagedenoisingmethodshasacertaineffecttoensuretheaccuracyoftherestoredimageandmaintaintheintegrityoftheimagedetail,butitstillcannotfullymeettheexDectationsofthepeopletoimagedenoising,Supportvectormachineisdevelopedonthe

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

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。