一种基于LBM的图像同步降噪增强方法技术

一种基于LBM的图像同步降噪增强方法。LBM的演化求解过程由同步降噪与反差增强两个环节组成，通过调节变化因子同步控制图像降噪与反差增强的相关程度，使得消除降噪与反差增强之间的对立矛盾，实现了图像处理中的同步降噪与反差增强功能通过实验表明，该方法与其他类型的图像处理算法相比，其图像处理效果以及算法执行效率更加具有优势。

【技术实现步骤摘要】

本专利技术涉及一种图像处理技术，主要解决图像处理中各种原因所造成的图像退化，图像中随机噪声严重，图像反差较大等一些对图像优化的问题。
技术介绍
随着科技的不断发展，对图像处理能力要求越来越高，然而现有的图像处理技术普遍存在边界不清晰、反差低下、噪声污染严重等情况。图像处理缺陷容易导致科技人员对工程质量的误判，从而造成不可估量的损失与代价，所以对图像的处理是必不可少的。从图像处理的专业性方向出发，图像降噪与反差增强是个对立概念，存在一定矛盾性，若先降噪后增强，容易加大工程图像边界模糊度，并且当降噪不充分时，反而会导致噪声污染更加严重。若先增强后降噪，则容易加大噪声污染程度，对图像质量产生负面效果。近几年，基于偏微分方程(PartialDifferentialEquations,PDE)的图像处理技术在图像边界检测、图像分割、图像降噪以及反差增强等方面得到了显著提高。当前主要在多类别方程的融合与分步应用方面进行深入研究，其主要问题是要降低多类别方程融合机制的复杂度，减少算法计算处理量。并且在很多情况下，PDE可能处于无解或者获取相关近似值的状态。因此，如何有效应对降噪与反差增强的对立矛盾是图像处理过程中的难点，也是作为图像处理的热点问题。建立一种针对图像降噪及其增强机制是必不可少的，本文利用LBM方法的相关优点，对分段线性拉伸函数进行详细设计，并作为LBM公式的外力因子，构建演化求解方程，设计出一种适用于图像处理的同步降噪增强算法(SynchronizationalgorithmforDenoisingandEnhancementofbioengineeringimagebasedonLatticeboltzmannmethod,L-SDE)。
技术实现思路
通过设计带外力因子的基于LBM机制，实现图像同步降噪与反差增强功能。L-SDE可以平滑，也能够进行边界增强。本专利技术提供一种基于LBM的图像同步降噪增强方法，包括以下步骤：(1)在考虑外力影响情况下，利用LBM的微观演化求解，(2)假定均衡分布方法与当前粒子浓度I(r,t)保持线性化关联，(3)可知，D2Q9机制的均衡分布方法是：(4)将直方图均衡化方法与分段线性灰度转换处理部分所述内容作为LBM机制的外力因子，(5)若系统在局部区域内近似于均衡状态，利用ChapmannEnskog多标度推导，(6)依据Taylor进行进一步细化处理，除去O(Δt3)因子，(7)计算得出宏观PDE公式；其中，则是带外力因子的LBM宏观公式，表示具有非线性各向异性延伸的降噪机制，λ(f(I)-I)表示由分段线性拉伸方法主导的直方图均衡化方法，可应用于图像反差增强，且控制降噪与反差增强的变化因子由λ表示。进一步地，步骤(7)之后，该方法还包括：(1)根据lattice的对称性，将D2Q9机制的均衡分布方法与对对称性引入PDE公式，(2)可延伸系数是可以改变。离散格子玻尔兹曼方法(LatticeBoltzmannMethod,LBM)是一种不同于传统数值方法的流体计算和建模方法，具有快速便捷、并行处理、精确稳定等优点，是一种很好的PDE数值求解机制，并且在图像处理领域运用这种方法将会有很好的效果。直方图均衡化(HistogramEqualization,HE)的原理是将离散分布灰度的图像转换成直方图均匀分布的图像，从而使得图像更具立体感、层次性，这里利用HE方法，采取以下公式进行求解：其中Dy是反差增强之后的图像，Dx是初始图像，f(Dx)是灰度转换方法，是初始图像的累积直方图。一般性HE求解机制如下。记录初始图像的直方图，推算通过公式(1)推导一维数组。依据一维数组，对初始图像进行反差增强操作。由基于PDE的图像去噪和反差增强同步算法可知，PDE机制可实现HE的求解过程，其PDE的实现形式如下：其中，I(r,t)是HE处理之后图像，AΩ是说明域的面积大小，A(I(r，t))是AΩ的面积方法。基于PDE的非线性图像去噪与增强对其优化之后的HE的PDE是：可知，将其式(3)转化成一般性表达形式，如下：其中，f(I(r，t))置的任意灰度转换方法。图像灰度的分布信息可由直方图中获取，与之相反，直方图的分布信息可得知图像的视觉效果。当直方图处于均匀分布状态，则说明其对应图像的视觉效果最优。这里采取分段线性拉伸方法作为反差增强因子，目的是让反差增强之后的图像处理效果达到最佳状态。详细操作如下。将初始图像的动态区域随机离散地切割成N段，尽可能地让任何一段Γn中的直方图累积和值符合：那么任意一个子区间内的像素数量均保持一致。推算各个分段的边缘点：假定第n段的起始端使用Dx1(n)表示，其末尾端使用Dx2(n)表示，每个段的起始端是上一个段的末尾端增加1，那么：Dx1(n)＝Dx2(n-1)+1,n∈(1,2,...,N)。反差增强之后的图像的末尾端是：在平面直角坐标系(Dx,Dy)中，对全部分段的起始端坐标(Dx1(n),Dy1(n))与末尾端坐标(Dx2(n),Dy2(n))之间进行线性差值操作：其中，k＝Dx1(n),Dx1(n)+1,...,Dx2(n),n∈(1,2,...,N)。此处利用公式(5)与(4)中的任意灰度转换方法，特别强调的是，图像处理之后其直方图段数N有所减少，可能小于初始切割段数。本专利技术的目的是克服以及完善现有技术的不足之处，提供一种图像同步增强及降噪的方法，LBM的演化求解过程由同步降噪与反差增强两个环节组成，通过调节变化因子λ同步控制图像降噪与反差增强的相关程度，使得消除降噪与反差增强之间的对立矛盾，实现了图像处理中的同步降噪与反差增强功能。利用LBM方法的相关优点，对分段线性拉伸函数进行详细设计，并作为LBM公式的外力因子，构建演化求解方程，设计出一种适用于图像处理的同步降噪增强算法(SynchronizationalgorithmforDenoisingandEnhancementofbioengineeringimagebasedonLatticeboltzmannmethod,L-SDE)。LBM是一种流场模拟方法，具有快速便捷、并行处理、精确稳定等多种优点，可以处理较为复杂的边界条件问题，并且具有普适性。目前基于LBM应用最广泛的是设计出的DdQm机制，其中d表示空间维度大小，m表示离散速率个数。又构造了基于LBM的非线性各向异性延伸的图像平滑机制。D2Q5与D2Q9机制简易示意如图1所示。基于LBM的图像同步降噪增强机制，它包括以下步骤：这里以D2Q9为示例，将式(1)部分与[0020]部分所述内容作为外力因子，设计出一个基于LBM的同步降噪与反差增强的L-SDE算法，测试仿真实验说明了此算法具有较好地图像处理效果。详细流程如下：在考虑外力影响情况下，设定LBM的微观演化求解公式如下：其中i＝0,1,...,8，Ii是面积大小是M*M的图像在r位置、t时间上的灰度值，可称之为LBM公式的粒子分布方法。Ii(r,t)从微观分析是因为灰度浓度差值延伸之后的图像，通过9次不同程度地撞击与移动，可能方向是ci(i＝0,1,...,8)。空间单位长度由Δx表示，时间单位长度由Δt表示，且符合ν＝Δx/Δt，这里设定ν＝1。τi是松弛时间，外力因本文档来自技高网...

【技术保护点】
一种基于LBM的图像同步降噪增强方法，其特征在于：包括以下步骤：(1)在考虑外力影响情况下，利用LBM的微观演化求解，(2)假定均衡分布方法与当前粒子浓度I(r,t)保持线性化关联，(3)可知，D2Q9机制的均衡分布方法是：(4)将直方图均衡化方法与分段线性灰度转换处理部分所述内容作为LBM机制的外力因子，(5)若系统在局部区域内近似于均衡状态，利用Chapmann Enskog多标度推导，(6)依据Taylor进行进一步细化处理，除去O(Δt3)因子，(7)计算得出宏观PDE公式；其中，则是带外力因子的LBM宏观公式，表示具有非线性各向异性延伸的降噪机制，λ(f(I)‑I)表示由分段线性拉伸方法主导的直方图均衡化方法，可应用于图像反差增强，且控制降噪与反差增强的变化因子由λ表示。

【技术特征摘要】
1.一种基于LBM的图像同步降噪增强方法，其特征在于：包括以下步骤：(1)在考虑外力影响情况下，利用LBM的微观演化求解，(2)假定均衡分布方法与当前粒子浓度I(r,t)保持线性化关联，(3)可知，D2Q9机制的均衡分布方法是：(4)将直方图均衡化方法与分段线性灰度转换处理部分所述内容作为LBM机制的外力因子，(5)若系统在局部区域内近似于均衡状态，利用ChapmannEnskog多标度推导，(6)依据Taylor进行进一步细化处理，除去O(...

【专利技术属性】
技术研发人员：杜金昌，姜芳艽，郭超，郜志伟，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：江苏;32