光学学报
光學學報
광학학보
ACTA OPTICA SINICA
2009年
1期
163-168
,共6页
图像处理%LS-SVR%椒盐噪声%开关滤波%卷积模板
圖像處理%LS-SVR%椒鹽譟聲%開關濾波%捲積模闆
도상처리%LS-SVR%초염조성%개관려파%권적모판
针对椒盐噪声的特点,提出了一种以回归型最小二乘支持向量机(Least square support vector regression , LS-SVR)为数据恢复算法的开关型滤波器.首先利用max-min算子对滤波窗口中心点进行噪声判别,若中心点不是窗口极值,则将其正常输出,若为极值,则将其判定为噪声,并进一步将窗口分为只有中心点被污染和多点被沾染二类,利用LS-SVR良好的数据逼近能力,对窗口进行曲面拟合,实现了被污染的数据点的有效恢复,减小了被误判为噪声的数据点的损害.为提高算法的运算速度,根据滤波策略和LS-SVR的特点,先期构造了二种LS-SVR卷积模板,将LS-SVR的训练过程转化为了简单的加权求和运算,增加了算法的实用性.实验表明,这种方法具有较好的细节保护能力和较强的噪声去除能力.
針對椒鹽譟聲的特點,提齣瞭一種以迴歸型最小二乘支持嚮量機(Least square support vector regression , LS-SVR)為數據恢複算法的開關型濾波器.首先利用max-min算子對濾波窗口中心點進行譟聲判彆,若中心點不是窗口極值,則將其正常輸齣,若為極值,則將其判定為譟聲,併進一步將窗口分為隻有中心點被汙染和多點被霑染二類,利用LS-SVR良好的數據逼近能力,對窗口進行麯麵擬閤,實現瞭被汙染的數據點的有效恢複,減小瞭被誤判為譟聲的數據點的損害.為提高算法的運算速度,根據濾波策略和LS-SVR的特點,先期構造瞭二種LS-SVR捲積模闆,將LS-SVR的訓練過程轉化為瞭簡單的加權求和運算,增加瞭算法的實用性.實驗錶明,這種方法具有較好的細節保護能力和較彊的譟聲去除能力.
침대초염조성적특점,제출료일충이회귀형최소이승지지향량궤(Least square support vector regression , LS-SVR)위수거회복산법적개관형려파기.수선이용max-min산자대려파창구중심점진행조성판별,약중심점불시창구겁치,칙장기정상수출,약위겁치,칙장기판정위조성,병진일보장창구분위지유중심점피오염화다점피첨염이류,이용LS-SVR량호적수거핍근능력,대창구진행곡면의합,실현료피오염적수거점적유효회복,감소료피오판위조성적수거점적손해.위제고산법적운산속도,근거려파책략화LS-SVR적특점,선기구조료이충LS-SVR권적모판,장LS-SVR적훈련과정전화위료간단적가권구화운산,증가료산법적실용성.실험표명,저충방법구유교호적세절보호능력화교강적조성거제능력.
