基于SVM的边缘保持滤波算法-SVM for edge-preserving filtering

 基于SVM的边缘保持滤波算法-SVM for edge-preserving filtering

                                          Qingxiong Yang Shengnan Wang Narendra Ahuja                                                        1. 简介：在这篇文章中，作者提出了一种类似于双边滤波(Bilateral filtering)的边缘保持滤波的新算法。双边滤波的归一化卷积核和是由中心像素与其它像素的距离和灰度变化范围的函数来确定的，距离和灰度变化范围通常是Gaussian。在该文章中，作者将滤波问题转换为一个向量映射逼近(Vector-mapping approximation)问题，并用支持向量机SVM(Support vector machine)求解。每个像素用像素灰度值，对应的空间滤波响应(corresponding spatial filtered response)和他们的乘积(their products)的指数组成的特征向量表示。应用SVM回归(SVM regression)算法从特征向量和训练图像的相应双边滤波值学习得到映射函数(The mapping function si learned via e-svm regression using the features and the corresponding bilateral filtered values from the traing images)。本文是第一篇提出基于学习的双边滤波算法，并且该算法对于高低对比度的Gaussian都有效，除此以外，其计算复杂度与灰度的变化值无关( our method is valid for both low and high range variance Gaussian and the computational complexity is independent of the range variance value)。      2. 方法介绍--（由于公式不好编辑），方法介绍请参考原文，下面贴出几张效果图。      3. 论文里还对其他几种相关的算法进行了比较(comparison).