基于bagging-rough SVM集成的去马赛克方法

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。

关键词：去马赛克、支持向量机、集成、粗糙集

分类号：TN919.3

资助基金：国家自然科学基金资助项目51174258，11105002；安徽高校省级自然科学研究项目KJ2013B087；淮南市科技计划项目2013A4017；大学生创新创业训练计划项目201310361205Projects 51174258,11105002 supported by the National Natural Science Foundation of China;Project KJ2013B087 supported by Anhui Provincial Natural Science Research Projects in Central Universities, China;Projects 2013A4017 support by the Guidance Science and Technology Plan Projects of Huainan, China;Project201310361205 supported by the Youth Foundation of Anhui Universityof Science & technology of China

在线出版日期：2015-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2065-2073