基于支持向量機(jī)的圖像去噪和圖像質(zhì)量評(píng)價(jià)的研究.pdf

1、近年來，隨著信息化的高速發(fā)展，圖像處理以及應(yīng)用日益廣泛，然而由此產(chǎn)生的問題也隨之而來，比如圖像的去噪和對(duì)圖像質(zhì)量的評(píng)價(jià)都是研究者們研究的重要課題。圖像在采集、壓縮、轉(zhuǎn)換和傳輸?shù)倪^程中，難免會(huì)受到自身設(shè)備以及外部環(huán)境干擾的影響，因此大部分的現(xiàn)實(shí)中的圖像都是含噪的，對(duì)含噪圖像進(jìn)行去噪和合適的質(zhì)量評(píng)價(jià)是非常必要的。良好的去噪方法是在不影響圖像重要細(xì)節(jié)的前提下，盡可能多的除去噪聲，而好的質(zhì)量評(píng)價(jià)算法則是要求評(píng)價(jià)出的結(jié)果與人類的主觀感受相一致。不

2、管是圖像去噪還是圖像的質(zhì)量評(píng)價(jià)，我們都可以理解成一個(gè)分類的過程。圖像去噪就是將原始圖像和噪聲分開；圖像評(píng)價(jià)就是將待評(píng)價(jià)圖像正確的歸類，探究它屬于哪一類的質(zhì)量等級(jí)。
　　由于支持向量機(jī)(SupportVectorMachine,SVM)作為一種典型的分類器，它有著適合處理小樣本問題、高維數(shù)及泛化性能強(qiáng)等多方面的優(yōu)勢(shì)，在分類問題中得以廣泛應(yīng)用。鑒于此，本文將支持向量機(jī)用于圖像去噪和圖像質(zhì)量評(píng)價(jià)的方法之中。本文提出一種基于小波系數(shù)和支持

3、向量機(jī)的圖像去噪方法，根據(jù)小波系數(shù)的性質(zhì)，本文借用鄰域小波系數(shù)的平均值來選取特征向量來進(jìn)行訓(xùn)練，然后用訓(xùn)練得到的支持向量機(jī)分類器模型將含噪圖像中的像素分為噪聲或非噪聲點(diǎn)從而最終達(dá)到去噪的目的,實(shí)驗(yàn)結(jié)果表明該方法具有良好的去噪效果,峰值信噪比比一般的額方法要高。本文針對(duì)降質(zhì)圖像質(zhì)量評(píng)價(jià)，提出了一種基于支持向量機(jī)的質(zhì)量評(píng)價(jià)算法，本文選取了亮度比較值、對(duì)比度比較值、結(jié)構(gòu)比較值、邊緣銳度和噪聲估計(jì)這五個(gè)特征信息作為支持向量機(jī)的輸入，差異主觀評(píng)價(jià)