电视技术
電視技術
전시기술
TV ENGINEERING
2015年
11期
23-26,112
,共5页
图像去噪%复轮廓波变换%模糊逻辑%LS-SVM%软阈值
圖像去譟%複輪廓波變換%模糊邏輯%LS-SVM%軟閾值
도상거조%복륜곽파변환%모호라집%LS-SVM%연역치
image denosing%complex contourlet transform%fuzzy logic%LS-SVM%soft threshold
针对传统的轮廓波变换图像去噪时引入边缘混叠现象,提出了复轮廓波变换(Complex Contourlet Transform,CCT)和最小二乘支持向量机(LS-SVM)的图像去噪方法.该方法充分利用了复轮廓变换的平移不变性、多方向性以及LS-SVM的小样本学习能力,应用训练好的LS-SVM模型将含噪图像的CCT系数分为含噪点和非含噪点,进行去噪处理.仿真结果表明该算法有效保护图像边缘纹理信息,其峰值信噪比明显高于其他算法,并且具有良好的视觉效果.
針對傳統的輪廓波變換圖像去譟時引入邊緣混疊現象,提齣瞭複輪廓波變換(Complex Contourlet Transform,CCT)和最小二乘支持嚮量機(LS-SVM)的圖像去譟方法.該方法充分利用瞭複輪廓變換的平移不變性、多方嚮性以及LS-SVM的小樣本學習能力,應用訓練好的LS-SVM模型將含譟圖像的CCT繫數分為含譟點和非含譟點,進行去譟處理.倣真結果錶明該算法有效保護圖像邊緣紋理信息,其峰值信譟比明顯高于其他算法,併且具有良好的視覺效果.
침대전통적륜곽파변환도상거조시인입변연혼첩현상,제출료복륜곽파변환(Complex Contourlet Transform,CCT)화최소이승지지향량궤(LS-SVM)적도상거조방법.해방법충분이용료복륜곽변환적평이불변성、다방향성이급LS-SVM적소양본학습능력,응용훈련호적LS-SVM모형장함조도상적CCT계수분위함조점화비함조점,진행거조처리.방진결과표명해산법유효보호도상변연문리신식,기봉치신조비명현고우기타산법,병차구유량호적시각효과.