[发明专利]一种基于模糊密度权的支持向量场景图像去噪方法

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 Density Weight—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。考虑到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，此方法在设计过程中还设计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，该方法无论从主观还是从客观评价都比那些时下最新去噪技术表现得更好。

主权项

一种基于模糊密度权的支持向量场景图像去噪方法，其特征包括如下步骤：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)；步骤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；步骤3)训练模型FDW‑SVR，训练集为获得训练好的FDW‑SVR模型N代表样本数目，i代表第i个训练样本，μ_i表示第i个训练集样本，λ_i和γ_i分别表示引入的的模糊密度因子和正则化参数，用于表示第i个样本隶属于某一类别的程度。步骤4)使用训练好的FDW‑SVR模型用于场景去噪。