集成SVM的图像椒盐噪声去除方法

摘要：

针对传统图像去噪方法出现纹理细节模糊的问题,提出一种利用误差多样性集成子SVM的图像椒盐噪声去除方法SVM-WCEC.首先,在训练图像上移动3×3窗口,提取每个窗口中心像素点的局部二值和加权差分特征作为输入训练子SVM,利用加权计数值对各子SVM投票,选择得票数最多的子SVM组合作为分类器模型;然后,用相同特征提取方法遍历含噪图像提取特征输入分类器模型,将像素点分为噪点和信号点;最后,在3×3滤波窗口内,用非线性的权重均值滤波估计噪点灰度值,和直接输出的信号点灰度值重构得到去噪后图像.在图像集BSD68上实验结果表明:与现有先进方法DAMF相比,SVM-WCEC的平均PSNR/SSIM值提高了1.8080dB/0.1504.实验数据充分说明:SVM-WCEC在去噪同时能很好地保留图像的纹理信息,获得较高的PSNR、SSIM和更好的视觉效果.

关键词：图像去噪、椒盐噪声、集成学习、支持向量机、特征提取

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;安徽高校自然科学研究重大项目;安徽高等学校自然科学研究重点项目

在线出版日期：2020-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：92-103