基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
虽然基于主成分分析的噪声水平评估算法的预测准确性比较高,但是以迭代方式从原生图块集合中筛选同质图块子集的过程导致其执行效率比较低.为提高现有算法的执行效率,提出一种基于两阶段支持向量机回归的快速噪声水平估计改进算法.首先依据原生图块协方差矩阵的前若干个特征值与噪声水平值的强相关性,利用支持向量机回归技术训练粗精度的预测模型,大致估计出图像中的噪声水平范围;然后根据初步估计的结果,使用专门针对低、中、高噪声水平训练的精细预测模型获得最终的噪声水平估计值.大量实验结果表明,该算法可以在不降低太多预测准确性的前提下,大幅度地提高执行效率,用它作为各类图像处理算法的前置预处理模块,较其他同类算法具有显著的综合优势.
推荐文章
基于支持向量回归的光度配准算法
支持向量机
图像
配准
一种新的快速支持向量回归算法
二次规划
支持向量回归
连续过松弛
基于两阶段学习的半监督支持向量机分类算法
SVM (support vector machine)
半监督
两阶段学习
伪标识
基于递推最小二乘支持向量回归估计的建模与预报
递推最小二乘支持向量回归
估计器
在线更新
非线性时变系统
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 基于两阶段支持向量回归的快速噪声水平估计算法
来源期刊 计算机辅助设计与图形学学报 学科 工学
关键词 图像降噪 噪声水平估计 两阶段预测 支持向量回归 原生图块 主成分分析
年,卷(期) 2018,(3) 所属期刊栏目 图像与视觉
研究方向 页码范围 447-458
页数 12页 分类号 TP391.41
字数 8763字 语种 中文
DOI 10.3724/SP.J.1089.2018.16422
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 徐少平 南昌大学信息工程学院 85 417 11.0 17.0
2 曾小霞 南昌大学信息工程学院 7 17 3.0 4.0
3 唐袆玲 南昌大学信息工程学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (10)
参考文献  (22)
节点文献
引证文献  (6)
同被引文献  (9)
二级引证文献  (2)
1995(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(8)
  • 参考文献(3)
  • 二级参考文献(5)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(6)
  • 参考文献(6)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(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)
2019(6)
  • 引证文献(6)
  • 二级引证文献(0)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
图像降噪
噪声水平估计
两阶段预测
支持向量回归
原生图块
主成分分析
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
计算机辅助设计与图形学学报
月刊
1003-9775
11-2925/TP
大16开
北京2704信箱
82-456
1989
chi
出版文献量(篇)
6095
总下载数(次)
15
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
江西省自然科学基金
英文译名:Natural Science Foundation of Jiangxi Province
官方网址:http://www.jxstc.gov.cn/ReadNews.asp?NewsID=861
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导