基于灰狼优化算法的SVM的图像噪声识别

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。