[发明专利]基于模糊密度权的支持向量场景图像去噪算法

权利要求书

1.一种基于模糊密度权的支持向量场景图像去噪算法，其特征在于包括如下步骤：

1)使用核密度估计获取中心像素密度f(x_i)和邻域密度g(x_i)。

2)利用模糊推理设计模糊密度权λ_i。模糊推理机输入为中心像素密度f(x_i)和邻域密度g(x_i)，输出为模糊密度权λ_i。

①把f(x_i)和g(x_i)作为模糊推理机的输入，且模糊化。

②设计模糊推理机和模糊规则。

③使用重心法解模糊化得到模糊密度权λ_i。

3)训练FDW-SVR模型，训练集为获得训练好的FDW-SVR模型

4)使用训练好的FDW-SVR模型用于场景去噪。

2.根据权利要求1所述基于模糊密度权的支持向量场景图像去噪算法，其特征在于步骤1)给定的数据集是每一个数据点代表噪声图像的像素特征，N代表样本数目，φ是核函数，h是固定的核宽参数，像素x_i∈R^q的密度f(x_i)采用下式计算，

f(xi)=1NhqΣj=1Nφ(xi-xjh)]]>

其中，q是像素x_i的维数，核函数可以采用高斯核函数：

φ(x)=(2π)-q/2exp(-12xTx)]]>

因此，像素密度f(x_i)可以表示如下：

f(xi)=1NhqΣj=1Nφ(xi-xjh)]]>

=1NhqΣj=1N1(2π)q/2hqdet(S)1/2exp(-u2h2)]]>

其中，u＝(x_i-x_j)^TS^-1(x_i-x_j)，S是协方差表示如下：

S=1NΣi=1N(xi-x‾)(xi-x‾)T,]]>x‾=1NΣi=1Nxi]]>

邻域像素密度g(x_i)表示如下：

其中，像素i的邻域像素集，r×r是邻域大小。