作者:
原文服务方: 微电子学与计算机       
摘要:
提出了一种基于支持向量机进行图像去噪的方法.该方法利用支持向量回归技术构造图像去噪所需的滤波器,其中特征的提取和训练样本的设计旨在抑制不同类型的噪声.实验结果表明,该方法能够有效去除噪声,并能较好地保护边缘信息,适用于边缘检测等操作的预处理.
推荐文章
基于SVM的SAR图像去噪方法
SAR图像
小波变换
支持向量机
相斑干噪声
去噪
基于支持向量值和方向滤波器组的图像去噪
图像去噪
支持向量值
非抽样方向滤波器组
贝叶斯阈值
基于 SVM 和小波系数的图像去噪算法研究
图像去噪
小波系数
SVM
特征向量
基于支持向量聚类的多窗口图像去噪方法
支持向量聚类
图像去噪
椒盐噪声
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机(SVM)的图像去噪方法
来源期刊 微电子学与计算机 学科
关键词 支持向量机 图像去噪 平滑滤波 边缘检测
年,卷(期) 2005,(4) 所属期刊栏目
研究方向 页码范围 96-99
页数 4页 分类号 TP181|TP391
字数 语种 中文
DOI 10.3969/j.issn.1000-7180.2005.04.026
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (16)
同被引文献  (13)
二级引证文献  (78)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(6)
  • 引证文献(5)
  • 二级引证文献(1)
2009(8)
  • 引证文献(2)
  • 二级引证文献(6)
2010(6)
  • 引证文献(1)
  • 二级引证文献(5)
2011(13)
  • 引证文献(2)
  • 二级引证文献(11)
2012(9)
  • 引证文献(0)
  • 二级引证文献(9)
2013(10)
  • 引证文献(2)
  • 二级引证文献(8)
2014(13)
  • 引证文献(1)
  • 二级引证文献(12)
2015(7)
  • 引证文献(0)
  • 二级引证文献(7)
2016(7)
  • 引证文献(0)
  • 二级引证文献(7)
2017(7)
  • 引证文献(0)
  • 二级引证文献(7)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
支持向量机
图像去噪
平滑滤波
边缘检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导