[发明专利]基于格子波尔兹曼模型的图像去噪方法

权利要求书

1.一种基于格子波尔兹曼模型的图像去噪方法，其特征在于，通过把图像的边缘截止函 数嵌入格子波尔兹曼微观演化方程的松弛因子中的方式，在二维格子波尔兹曼模型中找到微 观演化方程与宏观非线性扩散方程对应关系来求解非线性扩散方程以实现图像去噪，其步骤 如下：

(1)、输入初始图像I(x，0)，节点的值设为对应像素的灰度值；

(2)、使用二维格子波尔兹曼模型，设置格子波尔兹曼微观演化方程中各作用方向的初始 平衡态函数

(3)、确定格子波尔兹曼微观演化方程的迭代次数N和迭代步长C；

(4)、遍历图像计算格子波尔兹曼演化方程中的松弛因子ω；

(5)、计算二维格子波尔兹曼模型的迁移过程：I_i(x+c_i，n)＝I_i(x，n)；

(6)、计算二维格子波尔兹曼模型的作用过程：

Ii(x+ci,n+1)-Ii(x,n)=ω[(Iieq(x,n)-Ii(x,n))];]]>

(7)、设n为迭代次数，根据二维格子波尔兹曼模型更新平衡分布函数为

(8)、判断是否达到迭代次数N，若达到N次时，，则输出处理后的图像I(x，N)，若没有 达到N次时，则转步骤(4)，重复步骤(4)～(7)，直到达到迭代N次数后输出处理后的图像 I(x，N)；

上述步骤(2)中二维格子波尔兹曼模型为D2Q5模型时，初始平衡态函数为：

Iieq(x,0)D2Q5=Ii(x,0)D2Q5=15I(x,0)]]>

上述步骤(4)中相关的松弛因子ω为：

ωD2Q5=21+5C·g]]>

其中g为边缘截止函数，C为步长，

上述步骤(7)更新平衡分布函数为：

Iieq(x,n)D2Q5=15Σi=04Ii(x,n),n=1,2...N;]]>

上述步骤(2)二维格子波尔兹曼模型为D2Q9模型时，初始平衡态函数为：

Iieq(x,0)D2Q9=Ii(x,0)D2Q9=19I(x,0)]]>

上述步骤(4)中相关的松弛因子ω为：

ωDaQ9=21+3C·g]]>

其中g为边缘截止函数，C为步长，

上述步骤(7)更新平衡分布函数为：

Iieq(x,n)D2Q9=19Σi=08Ii(x,n),n=1,2...N;]]>

在处理灰度图像时，所述步骤(4)的松弛因子ω中边缘截止函数g为：

g(|▿Gσ*I|)=1-exp(-3.315(|▿Gσ*I|K)8)]]>

其中G_σ是方差为σ的高斯核，K为平滑阈值；

在处理彩色图像时，所述步骤(4)的松弛因子ω中边缘截止函数g为：

g(|λ1-λ2|)=1-exp(-3.315(|λ1-λ2|K)8)]]>

其中K为平滑阈值，λ₁和λ₂为经过方差σ的高斯核G_σ与彩色图像卷积后的梯度系数矩 阵为：

|dI|2=(dI,dI)=Σi=18(∂I(i)∂xdx+dI(i)∂ydy)=dxdyTEFFGdxdy]]>

的特征值。