基于小波變換和支持向量機(jī)的圖像去噪算法研究.pdf

1、圖像所傳遞的信息更直觀、形象，使得人們很容易的理解和接收，所以在現(xiàn)實(shí)生活中，人們所獲取到的信息大部分都是由圖像提供的。但是，近年來(lái)，隨著社會(huì)的進(jìn)步以及科學(xué)技術(shù)的高速發(fā)展，圖像在拍攝、壓縮、存儲(chǔ)、轉(zhuǎn)換的過(guò)程中受到成像設(shè)備以及環(huán)境因素的干擾，不可避免的被添加了很多不必要的噪聲，使得大部分的圖像模糊，質(zhì)量下降，視覺(jué)效果不樂(lè)觀，甚至嚴(yán)重威脅到人們對(duì)圖片的正確判斷與使用。為了使得人們能夠獲取到清晰的圖像，減少因圖像質(zhì)量問(wèn)題造成的損失，對(duì)含有噪聲的

2、圖像進(jìn)行去噪就顯得尤為重要了。一種好的去噪算法不僅要盡可能多的除去噪聲而且還不能影響圖像的重要細(xì)節(jié)信息。圖像一般包含原始圖像和噪聲兩部分，我們可以將圖像去噪過(guò)程近似的看成一個(gè)分類(lèi)過(guò)程。從分類(lèi)角度來(lái)看圖像去噪，其實(shí)質(zhì)上就是將原始圖像和圖像噪聲相分離。支持向量機(jī)在分類(lèi)問(wèn)題中之所以能夠得以廣泛應(yīng)用，是因?yàn)樗且环N典型的分類(lèi)器，并且它在處理高維數(shù)、小樣本、泛化性能強(qiáng)等問(wèn)題時(shí)有很大的優(yōu)勢(shì)。
　　本文結(jié)合小波系數(shù)的性質(zhì)以及SVM的特點(diǎn)，提出一

3、種基于小波系數(shù)和SVM的圖像去噪方法。在特征向量的選取方面，通過(guò)一種系數(shù)連通的算法將噪聲和原始圖像的小波系數(shù)的特性加強(qiáng)，然后選取噪聲系數(shù)和原始圖像系數(shù)作為特征向量訓(xùn)練機(jī)的輸入，把相應(yīng)的系數(shù)權(quán)值作為訓(xùn)練機(jī)的輸出。再對(duì)含噪圖像中的像素進(jìn)行處理，用已得到的分類(lèi)器將其分成兩種不同類(lèi)型：噪聲點(diǎn)和非噪聲點(diǎn)，并對(duì)其進(jìn)行閾值化處理。最后，利用Matlab對(duì)所提出的算法進(jìn)行仿真，由實(shí)驗(yàn)仿真結(jié)果可以看出，該方法具有很好的去噪效果，且能達(dá)到較高的峰值信噪比。