[發明專利]量子牧群機制自動演化PCNN的圖像去噪方法

有效

• 申請號: 202011096372.0
• 申請日: 2020-10-14
• 公開（公告）號: CN112184594B
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 高洪元;趙海軍;馬靜雅;張志偉;白浩川;張震宇;楊杰;陳世聰;王欽弘
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20;G06N3/006
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.量子牧群機制自動演化PCNN的圖像去噪方法，其特征在于：步驟如下：

步驟一：根據椒鹽噪聲或高斯噪聲的影響，得到含噪圖像；

假設被噪聲污染前的圖像灰度矩陣為表示第行第列灰度值；椒鹽噪聲的概率密度函數為：

其中，p_a、p_b表示倆種灰度值噪聲的概率密度，椒鹽噪聲污染后的圖像表現為噪聲點與周圍像素點灰度值有很大不同；高斯噪聲的概率密度函數為其中，μ為均值，δ為標準差，假設被噪聲污染后的圖像灰度矩陣為表示被噪聲污染后圖像第行第列的灰度值；

步驟二：對噪聲污染后圖像的進行強噪聲濾波；

使用N×N大小的濾波窗口，通過某一角度將窗口中的像素點分成倆部分，分別為V₁和V₂，通過該式判斷強噪聲點：式中其中，W表示N×N大小的濾波窗口，K為常數,其中θ＝0°,45°,90°,135°，x_lk表示窗口W內的某一灰度值，x_lk,ave表示窗口W內的平均灰度值；當像素點a_ij對應的V_ij小于T時，則輸出原灰度值；否則將其定位為強噪聲點并處理；

步驟三：計算自適應濾波窗口尺寸；

利用簡化后的脈沖耦合神經網絡與結構相似性結合，使用某個尺寸的濾波窗口到該神經網絡中，若該尺寸的窗口濾波后的結構相似性的函數值最大，即輸出該尺寸；結構相似性為S_SIM，其簡化后的函數形式，即其中，μ_x、μ_y分別表示原始圖像x和濾波后的圖像y的均值，C₁、C₂為常數，σ_x、σ_y分別表示原始圖像x的標準差和濾波后圖像y的標準差，σ_xy表示圖像x和y的協方差；

步驟四：建立自動演化PCNN圖像濾波模型；

步驟五：初始化量子自私牧群的量子位置并設定參數；

步驟六：計算每個個體的適應值和生存價值，捕食者根據搜索半徑和輪盤機制捕食獵物；

步驟七：根據生存價值找出牧群領導者并對牧群分類，計算牧群個體的相鄰個體、牧群中心和捕食者中心；

步驟八：使用量子旋轉門更新牧群領導者、牧群優勢追隨者、劣勢追隨者、牧群叛逃者以及捕食者的量子位置；

步驟九：判斷是否達到量子牧群的最大迭代次數，是則終止迭代，返回最優參數；否則繼續執行步驟六；

步驟十：輸出牧群和捕食者的全局最優位置，并比較二者的生存價值，得出s個最優參數代入PCNN中，激活PCNN得到濾波圖像并輸出。