基于SVM與非局部均值濾波的圖像去噪算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩51頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、目前數(shù)字圖像是日常生活中大量信息的載體,然而數(shù)字圖像在獲取過(guò)程中,會(huì)受到噪聲等很多因素的影響,這樣可能會(huì)導(dǎo)致圖像的部分細(xì)節(jié)丟失,因此,圖像去噪就成為解決這一問(wèn)題的重要手段。
   本文提出了基于支持向量機(jī)的圖像去噪算法和基于非局部均值濾波的圖像去噪算法,其具體算法如下:
   (1)頻域小波矩的非局部均值圖像去噪算法
   為了很好地去除噪聲,提高圖像質(zhì)量,對(duì)原始的非局部均值濾波(NL-Means)進(jìn)行了改進(jìn),采

2、用小波矩來(lái)代替?zhèn)鹘y(tǒng)的像素計(jì)算相似度方法,提出了頻域小波矩的非局部均值濾波圖像去噪算法。首先對(duì)圖像進(jìn)行非下采樣小波變換,得到低頻和高頻系數(shù),其次以固定大小進(jìn)行分塊,然后利用小波矩計(jì)算像素間的相似度,最后利用權(quán)值對(duì)圖像進(jìn)行去噪并進(jìn)行非下采樣小波逆變換得到去噪圖像。
   (2)基于最小二乘支持向量機(jī)的非下采樣輪廓變換圖像去噪算法
   為了提高支持向量機(jī)的分類(lèi)性能,本文以最小二乘線性系統(tǒng)為損失函數(shù)的支持向量機(jī)為基礎(chǔ),提出了基

3、于最小二乘支持向量機(jī)的非下采樣輪廓變換圖像去噪算法。首先對(duì)噪聲圖像進(jìn)行非下采樣輪廓變換(NSCT),得到低頻和高頻系數(shù),其次確定適當(dāng)?shù)拈撝祦?lái)構(gòu)造二元表,然后利用空間規(guī)則進(jìn)行特征向量的構(gòu)造并送入最小二乘支持向量機(jī)(LS-SVM)中訓(xùn)練,最后依據(jù)公式計(jì)算不同尺度、不同方向的閾值進(jìn)行去噪處理,然后對(duì)去噪后的系數(shù)進(jìn)行非下采樣輪廓逆變換從而得到去噪圖像。
   (3)基于模糊支持向量機(jī)的曲波變換圖像去噪算法
   由于支持向量的分

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論