基于支持向量機的圖像去噪和圖像質(zhì)量評價的研究.pdf

1、近年來，隨著信息化的高速發(fā)展，圖像處理以及應(yīng)用日益廣泛，然而由此產(chǎn)生的問題也隨之而來，比如圖像的去噪和對圖像質(zhì)量的評價都是研究者們研究的重要課題。圖像在采集、壓縮、轉(zhuǎn)換和傳輸?shù)倪^程中，難免會受到自身設(shè)備以及外部環(huán)境干擾的影響，因此大部分的現(xiàn)實中的圖像都是含噪的，對含噪圖像進行去噪和合適的質(zhì)量評價是非常必要的。良好的去噪方法是在不影響圖像重要細節(jié)的前提下，盡可能多的除去噪聲，而好的質(zhì)量評價算法則是要求評價出的結(jié)果與人類的主觀感受相一致。不

2、管是圖像去噪還是圖像的質(zhì)量評價，我們都可以理解成一個分類的過程。圖像去噪就是將原始圖像和噪聲分開；圖像評價就是將待評價圖像正確的歸類，探究它屬于哪一類的質(zhì)量等級。
　　由于支持向量機(SupportVectorMachine,SVM)作為一種典型的分類器，它有著適合處理小樣本問題、高維數(shù)及泛化性能強等多方面的優(yōu)勢，在分類問題中得以廣泛應(yīng)用。鑒于此，本文將支持向量機用于圖像去噪和圖像質(zhì)量評價的方法之中。本文提出一種基于小波系數(shù)和支持

3、向量機的圖像去噪方法，根據(jù)小波系數(shù)的性質(zhì)，本文借用鄰域小波系數(shù)的平均值來選取特征向量來進行訓(xùn)練，然后用訓(xùn)練得到的支持向量機分類器模型將含噪圖像中的像素分為噪聲或非噪聲點從而最終達到去噪的目的,實驗結(jié)果表明該方法具有良好的去噪效果,峰值信噪比比一般的額方法要高。本文針對降質(zhì)圖像質(zhì)量評價，提出了一種基于支持向量機的質(zhì)量評價算法，本文選取了亮度比較值、對比度比較值、結(jié)構(gòu)比較值、邊緣銳度和噪聲估計這五個特征信息作為支持向量機的輸入，差異主觀評價