[發明專利]一種基于貝葉斯推理的GPR圖像去噪方法及系統

有效

• 申請號: 201911294909.1
• 申請日: 2019-12-16
• 公開（公告）號: CN111105374B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 原達;苗翠;王崴;陳飛凡;李文生;王冬雨;崔嘉傲
• 申請（專利權）人: 山東工商學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N5/04;G06N7/01
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

1.一種基于貝葉斯推理的GPR圖像去噪方法，其特征在于，包括：

選取設定的若干去噪模型，根據去噪模型、信號與噪聲之間的關系構造貝葉斯網絡；所述去噪模型、信號與噪聲分別作為貝葉斯網絡中的隨機變量節點；

計算貝葉斯網絡中各隨機變量節點的聯合概率密度；

對輸入的待預測的GPR圖像，貝葉斯網絡通過聯合樹算法進行推理，計算出每一個像素點屬于有效信號和噪聲的后驗概率，通過選擇最大后驗概率來實現GPR圖像的信噪分離；

選取設定的若干去噪模型，所述去噪模型包括：哈爾小波變換、Kuwahara濾波、三維塊匹配濾波、sym6小波變換和維納濾波；

根據條件概率表得到聯合概率密度，具體為：

其中，I、K、H、B、W、Y、S、N為貝葉斯網絡中的各隨機變量節點，I表示OriginalImage，K表示Kuwahara濾波，H表示Haar小波，B表示BM3D，W表示Wiener濾波，Y表示Sym6小波，S表示Singal，N表示Noise；網絡中的有向邊代表了不同隨機變量節點之間的聯系，通過各模型系數的統計直方圖得到各節點的條件概率，P(I)表示I的概率，P(K|I)表示在I發生的基礎上K的概率，P(H|I)表示在I發生的基礎上H發生的概率，P(B|K,H)表示在K、H發生的基礎上B發生的概率，P(Y|B)表示在B發生的基礎上Y發生的概率，P(W|B)表示在B發生的基礎上W發生的概率，P(S|W,Y)表示在W,Y發生的基礎上S發生的概率，P(N|W,Y)表示在W,Y發生的基礎上N發生的概率。

2.如權利要求1所述的一種基于貝葉斯推理的GPR圖像去噪方法，其特征在于，計算貝葉斯網絡中各隨機變量節點的聯合概率密度，具體包括：

使用閾值將各隨機變量節點系數進行量化處理；

網絡中的有向邊代表了不同隨機變量節點之間的聯系，通過經驗設置各節點的條件概率值，得到各節點的條件概率表；

根據條件概率表得到聯合概率密度。

3.如權利要求1所述的一種基于貝葉斯推理的GPR圖像去噪方法，其特征在于，對輸入的待預測的GPR圖像，貝葉斯網絡通過聯合樹算法進行推理，具體為：

將所有的具有相同子節點的父節點相連，同時將所有的有向邊變成無向邊，構造Moral圖；

對Moral?圖進行三角化處理，當?Moral?圖中的環有超過設定個數的節點數時，對該環增加一條無向邊連接兩個非相鄰接點；

在三角化圖中，確定團節點；

建立聯合樹，所述聯合樹必須包含所有團節點,?交集作為連接兩個團節點的分隔節點。

4.?如權利要求3所述的一種基于貝葉斯推理的GPR圖像去噪方法，其特征在于，將貝葉斯網絡中的條件概率表轉化到聯合樹中,?通過消息傳遞得到滿足全局一致性的聯合樹,求出原貝葉斯網絡中任意隨機變量的概率分布,?選取包含該隨機變量的任意團節點,?對其進行邊際化即求出概率分布。

5.一種基于貝葉斯推理的GPR圖像去噪系統，其特征在于，采用權利要求1-4任一所述的GPR圖像去噪方法包括：

用于選取設定的若干去噪模型，根據去噪模型、信號與噪聲之間的關系構造貝葉斯網絡；所述去噪模型、信號與噪聲分別作為貝葉斯網絡中的隨機變量節點的裝置；

用于計算貝葉斯網絡中各隨機變量節點的聯合概率密度的裝置；

用于對輸入的待預測的GPR圖像，貝葉斯網絡通過聯合樹算法進行推理，計算出每一個像素點屬于有效信號和噪聲的后驗概率，通過選擇最大后驗概率來實現GPR圖像的信噪分離的裝置。

6.一種終端設備，其包括處理器和計算機可讀存儲介質，處理器用于實現各指令；計算機可讀存儲介質用于存儲多條指令，其特征在于，所述指令適于由處理器加載并執行權利要求1-4任一項所述的基于貝葉斯推理的GPR圖像去噪方法。

7.一種計算機可讀存儲介質，其中存儲有多條指令，其特征在于，所述指令適于由終端設備的處理器加載并執行權利要求1-4任一項所述的基于貝葉斯推理的GPR圖像去噪方法。