[发明专利]一种基于多特征的集成SVM噪点检测方法有效
| 申请号： | 201810800603.8 | 申请日： | 2018-07-20 |
| 公开（公告）号： | CN109034235B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 贾晓芬;王晨;郭永存;黄友锐;赵佰亭;凌六一;马天兵 | 申请（专利权）人： | 安徽理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/40 |
| 代理公司： | 西安知诚思迈知识产权代理事务所(普通合伙) 61237 | 代理人： | 麦春明 |
| 地址： | 232001 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于多特征的集成SVM噪点检测方法，包括六步。步骤一，输入含噪图像，生成含噪图像的图像矩阵；步骤二，逐个像素点提取像素点的局部二值特征和加权差分特征作为样本特征，并对噪声点和非噪声点做不同标记，噪声点标记为1，非噪声点标记为0；步骤三、通过随机选择的方法选择一定数量的样本特征作为训练样本集X；步骤四，输入X训练多个支持向量机，并对其结果进行集成得到分类模型；步骤五，用训练好的强分类器(分类模型)H进行噪点检测；步骤六，输出噪点所在位置的图像矩阵。本发明泛化能力较强，具有较高的噪点检测率，可以实现对任何一副含噪图像的噪点检测。 | ||
| 搜索关键词： | 一种 基于 特征 集成 svm 检测 方法 | ||
【主权项】：
1.一种基于多特征的集成SVM噪点检测方法，其特征在于，具体按照以下步骤进行：步骤一，输入含噪图像，生成含噪图像的图像矩阵；步骤二，逐个像素点提取像素点的局部二值特征和加权差分特征作为样本特征，并对噪声点和非噪声点做不同标记，噪声点标记为1，非噪声点标记为0；步骤三、通过随机选择的方法选择一定数量的样本特征作为训练样本集X；步骤四，输入训练样本集X训练多个支持向量机，并对其结果进行集成得到分类模型；步骤五，用训练好的强分类器(分类模型)H进行噪点检测；步骤六，输出噪点所在位置的图像矩阵。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽理工大学，未经安徽理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810800603.8/，转载请声明来源钻瓜专利网。
