融合梯度及分数阶积分算子的SVM滤波

摘要

为了在滤除椒盐噪声时更好的保护图像特征信息,利用分数阶积分算子、梯度信息和SVM设计了一种滤波方法FG-SVM。先设计PCNN噪点检测模型,将检测的噪点及信号点对应位置分别标记为1和0,生成标记图像;然后根据标记图像,在噪声图像上对每一个以信号点为中心的5×5区域,用中心点周围的像素灰度信息、分数阶积分算子及梯度信息构建训练样本,训练SVM获得去噪模型;再取以噪点为中心的5×5区域构建测试样本,作为SVM去噪模型的输入来估计区域中心的灰度值;最后用SVM的估计值取代噪点的灰度值,得到去噪图像。仿真试验表明,分数阶积分阶次取1.7±0.1时,能获得最好的去噪效果。对含噪1%的Lena、Pepper及Camer.去噪,FG-SVM的PSNR比MPCNN分别提高了[4.19,1.60,3.64]dB,且去噪图像的边缘细节清晰。