[发明专利]一种动态感知平滑滤波算法

权利要求书

1.一种动态感知平滑滤波算法，其特征在于，包括以下步骤：

步骤1，对输入图像进行聚类处理，以k叉树型数据结构保存聚类结果；

步骤2，计算所述数据结构中结点的摄动项Ψ_s，其中：

设置第一层根结点的摄动项Ψ_s的值为1，其余层中的每一个结点的摄动项按照以下公式计算：

其中，s表示k叉树型数据结构的层数，k＝2，ΔI_s-1＝|m_p-m_u|_s-1为当前遍历结点的叔结点和父结点的偏差值，m_p为父结点中像素集合的所有像素的均值，m_u为叔结点中像素集合的所有像素的均值，为滤波区域中心像素坐标向量，为所述中心像素的邻域像素的坐标向量，为对应位置的灰度值；

步骤3，生成所述数据结构的结点中像素集合的滤波搜索范围和滤波核，为所述的滤波核引入摄动项，计算中心像素与其邻域像素的相似性测度，然后利用中心像素和邻域像素的相似性测度进行滤波。

2.如权利要求1所述的动态感知平滑滤波算法，其特征在于，所述的步骤1的具体过程包括：

步骤1.1，对EM聚类算法初始化，设置EM聚类算法的最大聚类次数为max_t；扩散衰减速度为2，聚类个数为k；

步骤1.2，将输入图像I_t作为输入像素集合，利用EM聚类算法进行聚类处理，保存聚类输入数据中的像素所得到的标签信息L_t，将具有相同标签信息的像素聚成像素集合G_t，并在结点中生成与结点中像素集合G_t对应的高斯模型参数δ；

步骤1.3，一次聚类完成后，将聚类结果G_t作为新的输入像素集合再次利用EM聚类算法进行聚类，直至达到最大聚类次数max_t；

步骤1.4，构造k叉树型数据结构，将聚类结果存储在所述的数据结构中。

3.如权利要求1所述的动态感知平滑滤波算法，其特征在于，所述的步骤3的具体过程包括：

步骤3.1，针对结点中的像素集合生成其对应的滤波搜索范围；

步骤3.2，针对结点中像素集合所对应的像素区域，生成相应的滤波核kernel；

步骤3.3，为所述的滤波核引入摄动项，计算中心像素与其邻域像素的相似性测度c；

步骤3.4，对结点中的像素集合进行滤波并输出滤波结果。

4.如权利要求3所述的动态感知平滑滤波算法，其特征在于，步骤3.2中所述的滤波核kernel的计算公式为：

上式中，Ω_t-1为当前结点中像素集合对应的滤波搜索的范围，δ为高斯模型参数，为预先设定的空间扩散衰减速率。

5.如权利要求4所述的动态感知平滑滤波算法，其特征在于，步骤3.3中所述的相似性测度c的计算公式为：

上式中，Ψ_s为摄动项。