專利名稱：基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像去噪的方法,尤其涉及一種基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法。
背景技術(shù)：
圖像在獲取、傳輸和存儲(chǔ)過(guò)程中，經(jīng)常會(huì)受到各種噪聲的干擾，因此在對(duì)圖像進(jìn)行進(jìn)一步處理之前，采用適當(dāng)?shù)姆椒ㄈコ肼暿且粋€(gè)重要的預(yù)處理步驟。一方面其能夠有效抑制噪聲，為后續(xù)處理提供更為精確的信息，如邊緣檢測(cè)、目標(biāo)識(shí)別等；另一方面，去噪方法研究有助于促進(jìn)其他圖像處理與分析問(wèn)題的解決，如圖像恢復(fù)、圖像分割等。Curvelet變換是一種新的多尺度變換理論，具有各向異性的特征，可以很好地逼近含線奇異的高維函數(shù)，更容易捕捉·到細(xì)節(jié)。在圖像處理過(guò)程中，如果過(guò)大的選取閾值會(huì)丟失圖像的一些細(xì)節(jié)信息，如果選取的閾值過(guò)小又不能很好的去除噪聲，因此閾值方法的選取顯得尤為重要，本文根據(jù)參考文獻(xiàn)，提出了一種新的自適應(yīng)閾值方法。支持向量機(jī)(SVM)是一種新的通用的機(jī)器學(xué)習(xí)方法，它的基本理論是Vapnik等提出的統(tǒng)計(jì)學(xué)習(xí)理論，其基本思想是通過(guò)非線性變換將輸入空間變換到一個(gè)高維空間，并在這個(gè)新空間中求取最優(yōu)線性分類面。由于最優(yōu)分類面僅依賴于訓(xùn)練集中少量的點(diǎn)，對(duì)噪聲非常敏感，解決這個(gè)問(wèn)題的一種方法是對(duì)訓(xùn)練集進(jìn)行預(yù)處理。為了解決上述問(wèn)題，本文運(yùn)用了模糊支持向量機(jī)(FSVM)，該方法通過(guò)對(duì)訓(xùn)練集中的點(diǎn)建立模糊關(guān)系，其目的在于根據(jù)每個(gè)數(shù)據(jù)點(diǎn)對(duì)分類結(jié)果產(chǎn)生的不同影響，為其賦予不同的值，以降低噪聲對(duì)分類結(jié)果的影響。

發(fā)明內(nèi)容
本發(fā)明針對(duì)以上問(wèn)題的提出，而研制一種基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法，具有如下步驟S1.將含有噪聲的預(yù)處理圖像,進(jìn)行Curvelet變換,得到一個(gè)低頻子帶和多個(gè)高頻子帶；S2.將每個(gè)高頻子帶的系數(shù)構(gòu)成一個(gè)二元表，利用空間規(guī)則構(gòu)造成一個(gè)特征向量;S3.利用模糊支持向量機(jī)，通過(guò)對(duì)上述特征向量訓(xùn)練，進(jìn)而將所述高頻子帶系數(shù)進(jìn)行分類；S4.將所述高頻子帶系數(shù)進(jìn)行去噪處理；S5.對(duì)降噪后的子帶系數(shù)進(jìn)行Curvelet逆變換，以得到去噪圖像。所述S4步驟中去噪方法為
權(quán)利要求
1.一種基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法，其特征在于具有如下步驟 51.將含有噪聲的預(yù)處理圖像，進(jìn)行Curvelet變換，得到一個(gè)低頻子帶和多個(gè)高頻子帶; 52.將每個(gè)高頻子帶的系數(shù)構(gòu)成一個(gè)二元表，利用空間規(guī)則構(gòu)造成一個(gè)特征向量； 53.利用模糊支持向量機(jī)，通過(guò)對(duì)上述特征向量訓(xùn)練，進(jìn)而將所述高頻子帶系數(shù)進(jìn)行分類； 54.將所述高頻子帶系數(shù)進(jìn)行去噪處理； 55.對(duì)降噪后的子帶系數(shù)進(jìn)行，Curvelet逆變換，以得到去噪圖像。
所述S2步驟中二元表構(gòu)造方法為
2.根據(jù)權(quán)利要求1所述的基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法，其特征還在于所述步驟S3中還包括對(duì)模糊支持向量機(jī)的訓(xùn)練步驟，將S2中構(gòu)造出的特征向量，送入模糊支持向量機(jī)(FSVM)，用模糊支持向量機(jī)(FSVM)進(jìn)行訓(xùn)練。
3.根據(jù)權(quán)利要求1所述的基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法，其特征還在于所述步驟S2包括 步驟S201 :利用高頻子帶系數(shù)建立二元表； 步驟S202 :選取所述二元表中不為零且不孤立點(diǎn)，規(guī)定為非噪聲信號(hào)； 步驟S203 :所述非噪聲信號(hào)對(duì)應(yīng)+1。
全文摘要
本發(fā)明公開了一種基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法，具體步驟如下S1.將含有噪聲的預(yù)處理圖像，進(jìn)行Curvelet變換，得到一個(gè)低頻子帶和多個(gè)高頻子帶；S2.將每個(gè)高頻子帶的系數(shù)構(gòu)成一個(gè)二元表，利用空間規(guī)則構(gòu)造成一個(gè)特征向量；S3.利用模糊支持向量機(jī)，通過(guò)對(duì)上述特征向量進(jìn)行訓(xùn)練，進(jìn)而將所述高頻子帶系數(shù)進(jìn)行分類；S4.將所述高頻子帶系數(shù)進(jìn)行去噪處理；S5.對(duì)降噪后的子帶系數(shù)進(jìn)行Curvelet逆變換，以得到去噪圖像。本發(fā)明提供的是基于模糊支持向量機(jī)的Curvelet變換域圖像去噪方法，可以有效的降低圖像噪聲，處理速度快，對(duì)硬件配置要求不高，便于大規(guī)模推廣。
文檔編號(hào)G06K9/62GK103049887SQ20111045966
公開日2013年4月17日 申請(qǐng)日期2011年12月31日 優(yōu)先權(quán)日2011年12月31日
發(fā)明者王向陽(yáng), 張宇 申請(qǐng)人:遼寧師范大學(xué)