基于灰狼优化算法的SVM 的图像噪声识别

• 作者: 何玉珠 宋平 田东雨
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 噪声干扰图像 噪声识别 支持向量机 灰狼优化算法 参数优化
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 90-94
• 页数: 5页
• 分类号: TP206.1
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802175

摘要

对噪声图像进行噪声类型识别,是对噪声图像进行有针对性去噪的关键技术之一.支持向量机(SVM)是一种基于统计学习理论适用于有限样本情况的分类方法,而且它的分类能力很大程度上取决其相关参数.提出一种基于灰狼优化算法(GWO)的SVM 分类方法,将GWO应用在SVM 的参数寻优中,从而获得最优的分类模型;同时将该方法应用于噪声图像的噪声类型识别实验,针对高斯、椒盐、斑点这3类噪声在目标图像上形成的噪声干扰图像,分别用90个和60个干扰图像数据作为训练集和测试集,提取Zernike矩、小波高频不显著系数子带能量比这两类特征值,利用GWA-SVM 分类器对干扰图像特征进行分类.实验结果表明,与传统的SVM 分类器相比,GWA-SVM 方法具有更好的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何玉珠		49	254	10.0	13.0
2	宋平		7	47	4.0	6.0
3	田东雨		1	0	0.0	0.0