基于SVM分類與回歸的圖像去噪研究.pdf

1、圖像在獲取和傳輸過程中常常會受到各種噪聲的污染，從而降低了圖像質(zhì)量，給后繼的圖像處理過程，如圖像分割、目標(biāo)識別、圖像檢索以及圖像的編碼、傳輸?shù)葞聿焕绊?。因此圖像去噪是圖像預(yù)處理環(huán)節(jié)的重要步驟。圖像去噪方法可以從圖像空間域和變換域兩方面入手，其基本思想都是在盡可能保留原始圖像信息的前提下，最大程度地剔除噪聲，恢復(fù)噪聲點的原象素值。
　　 為了實現(xiàn)上述目標(biāo)，在空間域圖像去噪中，可以對原圖像建模，噪聲點被看作未知數(shù)據(jù)，利用其周圍的

2、已知數(shù)據(jù)去預(yù)測該點的值。因此，基于數(shù)據(jù)的回歸預(yù)測算法可被作為去噪方法來利用。近年來，基于統(tǒng)計學(xué)習(xí)理論的支持向量機方法(SVM)在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出顯著優(yōu)勢，在分類和回歸場合應(yīng)用越來越廣泛。在圖像去噪領(lǐng)域，最近已有學(xué)者提出利用SVM回歸方法對圖像建模并去噪。相關(guān)成果表明，基于SVM的去噪方法不僅能夠有效的去除噪聲，保留圖像的細節(jié)，還具有很好的泛化能力。
　　 本課題的研究目的，是基于MATLAB環(huán)境搭建實

3、驗平臺，利用SVM算法實現(xiàn)空間域的圖像去噪。研究采用的技術(shù)路線，是首先實現(xiàn)前人提出的SVM回歸去噪算法；在此基礎(chǔ)上，進行相關(guān)實驗分析，并提出改進思路。
　　 改進工作中，本研究實現(xiàn)了一種基于SVM先分類再回歸的圖像去噪策略，分為兩個階段：1，先利用SVM分類器將含噪圖像中的象素分為噪聲或非噪聲點；2，非噪聲點象素值被保留，而噪聲點象素值則通過SVM進行回歸估計，從而達到去噪的目的。研究中還提出了訓(xùn)練相關(guān)分類器和回歸模型的策略，并