[发明专利]基于模糊密度权的支持向量场景图像去噪算法

摘要

本发明公开一种基于服务机器人的场景图像去噪方法——FDW-SVR(Fuzzy DensityWeight-Based Support Vector Regression)，属于图像处理领域。标准的LS-SVR算法采用误差的二次项和来控制经验风险，导致模型对高分布密度样本拟合的精度较高，而对受噪声污染的稀疏样本，则拟合误差较大。考虑图像邻域信息和样本密度的不确定性对模型的影响，利用模糊推理设计了基于样本分布密度的加权因子，构建模糊支持向量机回归模型并将其应用于场景图像去噪。在本方法设计过程中还涉及了一种新的基于中心像素密度和邻域密度的模糊隶属度设计方法。实验结果表明，该去噪方法无论是主观还是客观评价都比那些时下最新去噪技术表现得更好。

主权项

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。