改进SVM分类和稀疏表示的图像混合去噪算法

摘要：

提出一种基于改进支持向量机(SVM)分类和稀疏表示的图像混合去噪算法.首先将输入噪声图像分成大量的重叠片,然后使用尺度不变特征变换(SIFT)从每个片中提取局部特征.根据预定义的阈值,利用粒子群聚类的SVM决策树将贴片分成纹理与平面两类.纹理块利用梯度直方图保存(GHP)进行处理,使用基于差异系数的稀疏度自适应SK-SVD来分析重构平面块.最后,通过合并两个去噪结果获得重建图像.对一些标准噪声图像进行实验,并将本文结果与其他去噪方法进行比较.实验表明,所提出的混合方案具有更好的去噪性能和结构相似性,在保存边缘和纹理方面效果更好.

关键词：特征提取、支持向量机、稀疏重构、梯度直方图保存、粒子群聚类

所属期刊栏目：40

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51705296

在线出版日期：2019-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1544-1547