基于bagging-rough SVM集成的去马赛克方法

• 作者: 周孟然 贾晓芬 赵佰亭 陈兆权 黄贤波
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 去马赛克 支持向量机 集成 粗糙集
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 机械工程 ? 控制科学与工程
• 页码范围: 2065-2073
• 页数: 9页
• 分类号: TN919.3
• 字数: 7796字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2015.06.013

摘要

能否有效保护图像的细节信息是衡量去马赛克技术优劣的关键因素，为改善图像细小边缘区域的边缘特征，抑制伪彩色效应或锯齿现象，提出一种基于bagging-rough的SVM集成算法，并利用该算法实现去马赛克。为提高支持向量机集成的预测精度，利用各平面之间的色彩相关性及色差恒定原理构建色差平面，在色差平面上利用图像的空间相关性构建原始样本集，采用bootstrap技术对原始样本集重取样，利用粗糙集约简算法约简重取样出的样本特征，然后用约简后的样本训练成员回归机、建立预测模型，将各成员回归机的预测结果采用均值法融合输出，其输出即为预测的色差平面上待插值点的色差，最后根据预测的色差值计算出丢失的像素值。仿真实验结果表明：所提去马赛克方法获得较优的客观指标彩色图像峰值信噪比(r CPSNR )和S-CIELAB的色差*ab?E ，较好的保护图像的细节信息，达到较满意的视觉效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周孟然	安徽理工大学电气与信息工程学院	147	713	13.0	21.0
2	贾晓芬	安徽理工大学电气与信息工程学院	21	19	3.0	3.0
3	赵佰亭	安徽理工大学电气与信息工程学院	25	25	3.0	3.0
4	陈兆权	安徽理工大学电气与信息工程学院	10	36	3.0	5.0
5	黄贤波	安徽理工大学电气与信息工程学院	1	1	1.0	1.0