[发明专利]基于模糊支持向量机的Curvelet变换域图像去噪方法

权利要求书

1.一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_gif(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。 

2.根据权利要求1所述的基于模糊支持向量机的Curvelet变换域图像去噪方法，其特征还在于所述步骤S3中还包括对模糊支持向量机的训练步骤，将S2中构造出的特征向量，送入模糊支持向量机(FSVM)，用模糊支持向量机(FSVM)进行训练。

3.根据权利要求1所述的基于模糊支持向量机的Curvelet变换域图像去噪方法，其特征还在于：所述步骤S2包括：

步骤S201：利用高频子带系数建立二元表； 

步骤S202：选取所述二元表中不为零且不孤立点，规定为非噪声信号；

步骤S203：所述非噪声信号对应+1。