基于多特征结合与加权支持向量机图像去噪方法.docVIP

基于多特征结合与加权支持向量机图像去噪方法 　　收稿日期:2011-01-13;修回日期:2011-03-04。 　　作者简介:付燕（1972-）,女,河南鹤壁人,教授,博士,主要研究方向:图形图像处理; 宁宁（1983-）,女,陕西西安人,硕士研究生,主要研究方向:图形图像处理。 　　文章编号:1001-9081（2011）08-02217-04doi:10.3724/SP.J.1087.2011.02217 　　（西安科技大学 计算机科学与技术学院，西安710054） 　　（fuynew@; ning0105@126.com） 　　摘 要:在基于支持向量机（SVM）的图像去噪方法的基础上，提出了一种基于多特征结合与加权SVM的图像去噪方法。首先，根据图像中相邻像素的相关性及椒盐噪声的特点，提取含噪图像中的多种特征；然后，利用针对不平衡数据集所改进的加权SVM分类器，识别出含噪图像中的噪声点，再利用支持向量回归机（SVR）对噪声点的原始灰度值进行回归预测；最后，重构图像以达到去噪的目的。实验结果表明，该方法能提高SVM分类器对噪声点的识别率，改善分类器的性能，并能在去噪的同时较好地保留图像的边缘信息，获得较高的峰值信噪比（PSNR）。 　　关键词:多特征；加权支持向量机；支持向量回归机；椒盐噪声；图像去噪 　　中图分类号: TP391.41文献标志码:A 　　Image de-noising method based on 　　 multi-feature combination and weighted support vector machine 　　FU Yan, NING Ning 　　（College of Computer Science and Technology, Xian University of Science and Technology, Xian Shaanxi 710054, China） 　　Abstract: The authors put forward an image de-noising method by combining multiple features with weighted Support Vector Machine （SVM） based on the image de-noising by using SVM. Firstly, according to the adjacent pixels correlation in the image and the characteristics of salt-pepper noises, multiple features were extracted from noisy image. Then the noise points in the noisy image were detected by using weighted SVM classifier which improved on imbalanced dataset, then Support Vector Regression （SVR） was used to forecast the gray value of noise points, finally the image was reconstructed so as to remove noise points. The experimental results show that the proposed method can improve the capability of classifier and the recognition rate of noise points. Moreover, it retains the information of image edge when removing noise points, and obtains higher Peak Signal-to-Noise Ratio （PSNR）. 　　Key words: multiple feature; weighted Support Vector Machine （SVM）; Support Vector Regression （SVR）; salt-pepper noise; image de-noising 　　0 引言 　　图像在形成、记录、处理和传输过程中，易受到诸多因素的影响，而导致图像质量下降，典型的表现有产生噪声、模糊等。因此，在对图像进行处理之前，去除噪声是一关键的预处理环节。对于含噪图像，大部分噪声和信号细节都分布在高频区域，不