原文服务方: 微电子学与计算机       
摘要:
结合小波系数的性质和SVM的优点,提出一种基于SVM 和小波系数的图像去噪算法,选取特定的支持向量,输入到训练机中进行训练,然后得到最优的分类函数,最后用最优分类函数对含噪图像进行去噪处理。仿真结果表明,该方法具有很好的去噪效果,且能达到较高的峰值信噪比。
推荐文章
基于小波变换的图像去噪方法研究
图像去噪
小波阀值萎缩法
混合模型
中值滤波
基于二进小波的图像去噪技术
小波变换
图像去噪
门限
基于改进阈值函数的小波变换图像去噪算法
小波变换
阈值函数
阈值图像去噪
均方误差
峰值信噪比
信噪比
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 SVM 和小波系数的图像去噪算法研究
来源期刊 微电子学与计算机 学科
关键词 图像去噪 小波系数 SVM 特征向量
年,卷(期) 2014,(8) 所属期刊栏目
研究方向 页码范围 119-122
页数 4页 分类号 TP391
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨秋翔 中北大学计算机与控制工程学院 87 377 9.0 13.0
2 杨剑 中北大学计算机与控制工程学院 32 228 10.0 13.0
3 安雁艳 中北大学计算机与控制工程学院 4 30 3.0 4.0
4 冯欣悦 中北大学计算机与控制工程学院 3 27 3.0 3.0
5 范建华 中北大学计算机与控制工程学院 3 27 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (11)
参考文献  (8)
节点文献
引证文献  (7)
同被引文献  (26)
二级引证文献  (7)
1994(3)
  • 参考文献(1)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(3)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
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
图像去噪
小波系数
SVM
特征向量
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导