【英文题名】
Noise Detection and Image De-noising Based on Multi-feature Combination and Support Vector Machine Ensemble
【作者】
宁宁 ;
【导师】
付燕 ;
【学位授予单位】
西安科技大学 ;
【学科专业名称】
计算机应用技术
【学位年度】
2011
【论文级别】
硕士
【网络出版投稿人】
西安科技大学
【网络出版投稿时间】
2011-11-11
【关键词】
图像去噪 ;
椒盐噪声 ;
多特征结合 ;
支持向量机集成 ;
支持向量回归机 ;
【英文关键词】
Image De-noising ;
Salt-pepper Noise ;
Multi-feature Combination ;
Support Vector Machine Ensemble ;
Support Vector Regression ;
【中文摘要】
图像去噪是图像处理中关键的预处理环节。由于在含噪图像中,大部分噪声和图像细节分布在高频区域,不易区分,导致去噪时会不同程度地损坏图像的细节信息。因此,如何能在去噪的同时最大限度地保持细节信息是图像去噪研究的重点。
针对在仅依赖单个图像特征时,基于支持向量机(Support Vector Machine, SVM)的图像去噪方法未能获得较好的去噪效果且会导致噪声点的识别率较低、分类器性能较差的问题,本文在分析总结图像去噪相关算法的基础上,探索了一种基于多特征结合与支持向量机的图像去噪方法。该方法根据图像中相邻像素的相关性及椒盐噪声的特点,利用多种特征相结合的方式来全面的描述像素点的属性,从而准确地区分噪声点和非噪声点。实验结果表明,基于多特征结合与支持向量机的图像去噪方法的去噪效果更优。此外,相对于基于单个特征的支持向量机分类器,基于多特征结合的支持向量机分类器对噪声点的识别率较高,且分类器性能更优。
鉴于支持向量机集成(Support Vector Machine Ensemble, SVM Ensemble)的分类性能优于单个支持向量机,且稳定性、泛化能力更好,本文将支持向量机集成应用于图像...
【英文摘要】
Image de-noising is a key pretreatment link before image is processed. For noisy image, most noise and image details are hard to be distinguished because they distribute in high frequency area, which leads to the loss of image detail information in different degree while noise points are removed. Therefore, how to retain image details to the utmost extent while noise points are removed is a research focus.
Aiming at the problem that the approach for removing noise from images based on SVM fails to gain ...
【更新日期】
2011-12-09
【相同导师文献】
导师：付燕 导师单位：西安科技大学 学位授予单位：西安科技大学基于图结构匹配的井下视频异常事件文本描述方法 [D]. 西安科技大学,2021基于编解码器的视频描述方法研究 [D]. 西安科技大学,2022基于内容的视频数据检索技术研究 [D]. 西安科技大学,2022基于深度学习的煤矿井下视频清洗算法研究 [D]. 西安科技大学,2021基于深度学习的视频文本描述研究及煤矿应用 [D]. 西安科技大学,2021基于深度学习的井下胶带运输机运动监测方法研究 [D]. 西安科技大学,2021煤炭运销结算管理平台的设计与实现 [D]. 西安科技大学,2020基于深度神经网络的井下视频场景分类方法研究 [D]. 西安科技大学,2020基于注意力机制的视频异常事件文本描述方法研究 [D]. 西安科技大学,2020基于深度学习的行人再识别算法研究与仿真 [D]. 西安科技大学,2020
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
