[發明專利]基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法

有效

• 申請號: 201910605110.3
• 申請日: 2019-07-05
• 公開（公告）號: CN110298808B
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 廖一鵬;陳詩媛;張進
• 申請（專利權）人: 福州大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06N3/12
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 錢莉;蔡學俊

1.一種基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法，其特征在于，包括以下步驟：

步驟S1：對帶噪聲的紅外圖像進行NSCT分解，得到低頻子帶圖像和多尺度高頻子帶；

步驟S2：將量子編碼和量子門更新引入量子差分進化算法的優化，防止陷入局部最優解；

步驟S3：對于多尺度高頻子帶，采用量子差分進化算法自適應獲取最優閾值，通過閾值處理函數對高頻子帶系數進行去噪處理；

步驟S4：對處理后的各個子帶系數進行逆變換，得到去噪后的紅外圖像；

其中，步驟S2包括：對量子差分進化算法中的量子旋轉門更新進行以下改進：

采用以下取值方式確定旋轉角的值：令f(x_i)和f(b_i)分別表示當前個體測量值和當前最優解的適應度；比較f(x_i)和f(b_i)的大小，若f(x_i)＞f(b_i)，則改變個體對應的量子位，讓(α_i，β_i)朝有助x_i出現的方位進化；若f(x_i)＜f(b_i)，則改變個體對應的量子位，讓(α_i，β_i)朝有助b_i出現的方位進化；其中(α_i，β_i)為染色體第i個量子比特經旋轉門更新前的概率幅；

其中，步驟S2包括：對量子差分進化算法中的量子個體更新進行改進，具體為對量子角向量進行進化操作，包括量子角變異和量子角的交叉操作；

所述量子角變異采用下式：

上式表示種群中第i個量子個體對應的變異個體的表達式，其中i≠r₁≠r₂≠r₃，i＝1，2，...，NP、r₁、r₂和r₃均為區間[1，NP]內的隨機整數，其中NP為種群規模，F∈[0，2]為縮放因子；

所述量子角的交叉操作具體為：對目標量子個體和變異量子個體進行交叉操作，得到試驗量子個體

式中，CR為交叉概率，j∈{1，2，...，n}；I_rand為{1，2，...，n}范圍內的隨機整數，rand_j(0，1)產生[0，1]問的隨機數，分別對應變異個體和目標個體第j位量子比特相位；

其中，步驟S3中，所述獲取最優閾值具體為：對BayesShrink閾值進行如下改進，獲得最優閾值T′：

T′＝θ-e^τT_B(m，n)；

式中，W為子帶中系數的個數，E(γ)為子帶系數的均值，γ(m，n)由子帶系數通過均值濾波器獲得；ω(j，k)表示子帶系數，min(γ)表示子帶系數的最小值，T_B(m，n)表示BayesShrink閾值；自適應閾值的選取中，τ為指數影響因子，Z為子帶系數的鄰域，以處理后圖像的峰值信噪比為適應度，通過量子差分進化算法在范圍1＜θ＜2搜索最優θ以自適應獲取閾值T′。

2.根據權利要求1所述的基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法，其特征在于，步驟S3中，所述閾值處理函數為：

式中，α為影響因子，具有自適應性，為第j尺度下的所有子帶系數絕對值的平均值，為第j尺度第k方向下的子帶系數絕對值的平均值；ω_j，k表示NSCT域內不同尺度不同子帶的高頻系數，sgn(ω_j，k)表示符號函數。