申请/专利权人：哈尔滨工程大学

申请日：2020-10-14

公开（公告）日：2023-08-15

公开（公告）号：CN112184594B

主分类号：G06T5/00

分类号：G06T5/00;G06T5/20;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2023.08.15#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明提供一种量子牧群机制自动演化PCNN的图像去噪方法，包括：根据椒盐噪声或高斯噪声的影响，得到含噪图像；对噪声污染后图像的进行强噪声滤波；计算自适应滤波窗口尺寸；建立自动演化PCNN图像滤波模型；初始化量子自私牧群的量子位置并设定参数；计算每个个体的适应值和生存价值；使用量子旋转门更新牧群领导者、牧群优势追随者、劣势追随者、牧群叛逃者以及捕食者的量子位置；判断是否达到量子牧群的最大迭代次数，是则终止迭代，返回最优参数；否则继续执行步骤六；输出牧群和捕食者的全局最优位置，并比较二者的生存价值，得出s个最优参数代入PCNN中，激活PCNN得到滤波图像并输出。本发明极大的提高了系统求解关键最优参数的效率和质量。

主权项：1.量子牧群机制自动演化PCNN的图像去噪方法，其特征在于：步骤如下：步骤一：根据椒盐噪声或高斯噪声的影响，得到含噪图像；假设被噪声污染前的图像灰度矩阵为表示第行第列灰度值；椒盐噪声的概率密度函数为： 其中，pa、pb表示俩种灰度值噪声的概率密度，椒盐噪声污染后的图像表现为噪声点与周围像素点灰度值有很大不同；高斯噪声的概率密度函数为其中，μ为均值，δ为标准差，假设被噪声污染后的图像灰度矩阵为表示被噪声污染后图像第行第列的灰度值；步骤二：对噪声污染后图像的进行强噪声滤波；使用N×N大小的滤波窗口，通过某一角度将窗口中的像素点分成俩部分，分别为V1和V2，通过该式判断强噪声点：式中其中，W表示N×N大小的滤波窗口，K为常数,其中θ＝0°,45°,90°,135°，xlk表示窗口W内的某一灰度值，xlk,ave表示窗口W内的平均灰度值；当像素点aij对应的Vij小于T时，则输出原灰度值；否则将其定位为强噪声点并处理；步骤三：计算自适应滤波窗口尺寸；利用简化后的脉冲耦合神经网络与结构相似性结合，使用某个尺寸的滤波窗口到该神经网络中，若该尺寸的窗口滤波后的结构相似性的函数值最大，即输出该尺寸；结构相似性为SSIM，其简化后的函数形式，即其中，μx、μy分别表示原始图像x和滤波后的图像y的均值，C1、C2为常数，σx、σy分别表示原始图像x的标准差和滤波后图像y的标准差，σxy表示图像x和y的协方差；步骤四：建立自动演化PCNN图像滤波模型；步骤五：初始化量子自私牧群的量子位置并设定参数；步骤六：计算每个个体的适应值和生存价值，捕食者根据搜索半径和轮盘机制捕食猎物；步骤七：根据生存价值找出牧群领导者并对牧群分类，计算牧群个体的相邻个体、牧群中心和捕食者中心；步骤八：使用量子旋转门更新牧群领导者、牧群优势追随者、劣势追随者、牧群叛逃者以及捕食者的量子位置；步骤九：判断是否达到量子牧群的最大迭代次数，是则终止迭代，返回最优参数；否则继续执行步骤六；步骤十：输出牧群和捕食者的全局最优位置，并比较二者的生存价值，得出s个最优参数代入PCNN中，激活PCNN得到滤波图像并输出。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 量子牧群机制自动演化PCNN的图像去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD