[发明专利]一种支持向量机融合分数阶积分算子的方法

权利要求书

1.一种支持向量机融合分数阶积分算子的方法，其特征在于，具体按照以下步骤进行：

步骤一：输入噪声图像；

步骤二：检测噪声图像中的噪点和非噪点；

步骤三：采用分数阶积分算子构造支持向量机的训练样本，并训练支持向量机获得去噪模型；

步骤四：采用分数阶积分算子构造支持向量机的测试样本，并用步骤三得到的去噪模型估计噪点的像素值；

步骤五：利用估计的噪点像素值和直接输出的非噪点像素值重构得到去噪图像。

2.根据权利要求1所述的一种支持向量机融合分数阶积分算子的方法，其特征在于，所述步骤三中，采用分数阶积分算子构造支持向量机的训练样本的方法，具体按照以下步骤进行：

遍历噪声图像，以每一个非噪声点为中心点I(i,j)，在其周围的5×5区域利用8方向上的像素构造一个训练样本X＝{x₁,x₂,…x₂₅,Y}，其中输出样本Y是1维向量，取中心像素值I(i,j)；输入样本x₁,x₂,…x₂₅是25维向量，利用像素值I(i,j+1)，I(i+1,j+1)，I(i+1,j)，I(i+1,j-1)，I(i,j-1)，I(i-1,j-1)，I(i-1,j)，I(i-1,j+1)，I(i,j+2)，I(i+2,j+2)，I(i+2,j)，I(i+2,j-2)，I(i,j-2)，I(i-2,j-2)，I(i-2,j)，I(i-2,j+2)构造，包括中心像素周围的8个像素值p_i,i＝1,2,…,8及其平均值8方向的分数阶积分算子G_i,i＝1,2,…,8，中心像素周围的8个像素在水平、垂直和对角方向两间隔像素点的插值d_i,i＝1,2,…,8，对应表达式分别为：

p₁＝I(i,j+1)；p₂＝I(i+1,j+1)；p₃＝I(i+1,j)；p₄＝I(i+1,j-1)；

p₅＝I(i,j-1)；p₆＝I(i-1,j-1)；p₇＝I(i-1,j)；p₈＝I(i-1,j+1)(1)

P‾=Σi=18pi---(2)]]>

G1=v·p1+v(v+1)2I(i.j+2);G2=v·p8+v(v+1)2I(i-1,j+1)G3=v·p7+v(v+1)2I(i-2,j);G4=v·p6+v(v+1)2I(i-2,j-2)G5=v·p5+v(v+1)2I(i,j-2);G6=v·p4+v(v+1)2I(i+2,j-2)G7=v·p3+v(v+1)2I(i+2,j);G8=v·p2+v(v+1)2I(i+2,j+2);---(3)]]>

d₁＝|p₃-p₇|；d₂＝|p₂-p₈|；d₃＝|p₄-p₆|；d₄＝|p₁-p₅|；

d₅＝|p₆-p₈|；d₆＝|p₂-p₄|；d₇＝|p₄-p₈|；d₈＝|p₂-p₆|(4)

公式(3)中的v为分数阶积分阶次。

3.根据权利要求1所述的一种支持向量机融合分数阶积分算子的方法，其特征在于，所述步骤四中，采用分数阶积分算子构造支持向量机的测试样本的方法，具体按照以下步骤进行：

遍历噪声图像，以每一个噪声点为中心点，在其周围的5×5区域建立一个测试样本X′＝{x′₁,x′₂,…x′₂₅,Y′}，其输入样本x′₁,x′₂,…x′₂₅是25维向量，与训练样本的输入样本有相同的构建方式，输出样本Y′是要估计的像素值，即支持向量机的输出。