[发明专利]基于模糊支持向量机的Curvelet变换域图像去噪方法

摘要

本发明公开了一种基于模糊支持向量机的Curvelet变换域图像去噪方法，具体步骤如下：S1.将含有噪声的预处理图像，进行Curvelet变换，得到一个低频子带和多个高频子带；S2.将每个高频子带的系数构成一个二元表，利用空间规则构造成一个特征向量；S3.利用模糊支持向量机，通过对上述特征向量进行训练，进而将所述高频子带系数进行分类；S4.将所述高频子带系数进行去噪处理；S5.对降噪后的子带系数进行Curvelet逆变换，以得到去噪图像。本发明提供的是基于模糊支持向量机的Curvelet变换域图像去噪方法，可以有效的降低图像噪声，处理速度快，对硬件配置要求不高，便于大规模推广。

主权项

一种基于模糊支持向量机的Curvelet变换域图像去噪方法，其特征在于具有如下步骤：S1.将含有噪声的预处理图像，进行Curvelet变换，得到一个低频子带和多个高频子带；S2.将每个高频子带的系数构成一个二元表，利用空间规则构造成一个特征向量；S3.利用模糊支持向量机，通过对上述特征向量训练，进而将所述高频子带系数进行分类；S4.将所述高频子带系数进行去噪处理；S5.对降噪后的子带系数进行，Curvelet逆变换，以得到去噪图像；所述S2步骤中二元表构造方法为其中Y(x,y)为高频子带Curvelet系数，τ为在构造二元表时选择可用的阈值，若大于该阈值为1，小于等于该阈值为0；所述S4步骤中去噪方法为如果T(D,K)＝max(λ|W_gij(D,K)|)如果其中，K代表分解层数，D代表分解方向，表示第j层k个方向上第i个子矩阵的局部对比度，σ和μ分别为系数的标准偏差和均值。