基于SVM與非局部均值濾波的圖像去噪算法研究.pdf

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)字圖像在獲取過程中，會受到噪聲等很多因素的影響，這樣可能會導(dǎo)致圖像的部分細節(jié)丟失，因此，圖像去噪就成為解決這一問題的重要手段。
　　 本文提出了基于支持向量機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，對原始的非局部均值濾波(NL-Means)進行了改進，采

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

3、于最小二乘支持向量機的非下采樣輪廓變換圖像去噪算法。首先對噪聲圖像進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)拈撝祦順?gòu)造二元表，然后利用空間規(guī)則進行特征向量的構(gòu)造并送入最小二乘支持向量機(LS-SVM)中訓(xùn)練，最后依據(jù)公式計算不同尺度、不同方向的閾值進行去噪處理，然后對去噪后的系數(shù)進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的曲波變換圖像去噪算法
　　 由于支持向量的分