[发明专利]基于图像边缘一致性的通用异常点似然性估计方法

权利要求书

1.一种基于图像边缘一致性的通用异常点似然性估计方法，其特征在于，包括：

采用局部线性假设表征原图与测量图之间的边缘一致性；

将原图与测量图之间的边缘一致性建模为带有等式约束的加权线性回归问题；

采用线性复杂度的全图迭代算法，计算测量图中像素的异常点似然性；

其中，所述将原图与测量图之间的边缘一致性建模为带有等式约束的加权线性回归问题，是采用如下带有等式约束的加权线性回归计算像素k对局部线性假设的影响：

其中，w_i为像素i的似然度，Ω_k是以像素k为中心的局部区域，随后，基于如下方程计算像素k的似然度w_k：

其中，[UB，LB]是残差上下界， 是用于维持数值稳定的任意极小值；

所述采用线性复杂度的全图迭代算法，计算测量图中像素的异常点似然性，包括：

步骤a：接收输入图I，测量图p，设置迭代停止条件数δ，残差上下界[UB，LB]，定义局部区域的形状Ω；

步骤b：初始化迭代次数t＝0，拟合残差变化量Δe^t＝1，拟合残差图e^t＝1，像素的似然度w^t＝1；

步骤c：判断Δe^t≥δ是否成立，若成立，则表示像素的似然度发生了显著变化，残差与像素的似然度不能互相解释，执行步骤d，否则，表示像素的似然度图已达到稳定状态，转而执行步骤i；

步骤d：赋值t＝t+1，随后基于盒滤波计算中间图，更新六种中间结果；

步骤e：计算每个像素的线性回归残差

步骤f：计算每个像素的似然度

步骤g：计算每个像素的拟合残差变化量Δe^t，返回执行步骤c；

步骤i：输出像素的似然度w＝w^t，像素的似然度w的值越小，则表明该像素是一个异常点的可能性越大。

2.根据权利要求1所述的通用异常点似然性估计方法，其特征在于，所述采用局部线性假设表征原图与测量图之间的边缘一致性，包括：

假设原图与图像测量过程输出的、不含异常点的测量图满足边缘一致性；并且，假设从原图与测量图中任取一小块区域，所囊括的子图像对也满足边缘一致性，测量图中导致所属局部区域违背边缘一致性的像素即为异常点。

3.根据权利要求2所述的通用异常点似然性估计方法，其特征在于，所述采用局部线性假设表征原图与测量图之间的边缘一致性，采用如下公式：

给定c个通道的原图I和单通道的测量图p，局部线性假设认为存在线性系数a和b，使得下式成立：

其中，a是c维向量，测量图中导致上述等式无法成立的像素即为似然的异常点。

4.根据权利要求1所述的通用异常点似然性估计方法，其特征在于，所述步骤d采用如下公式更新六种中间结果：

其中，Ω_k是以k为中心像素的局部区域。

5.根据权利要求1所述的通用异常点似然性估计方法，其特征在于，所述步骤e采用如下公式计算每个像素的线性回归残差：

其中，∈是用于维持数值稳定的任意极小值。

6.根据权利要求1所述的通用异常点似然性估计方法，其特征在于，所述步骤f采用如下公式计算每个像素的似然度：

其中， 是用于维持数值稳定的任意极小值。

7.根据权利要求1所述的通用异常点似然性估计方法，其特征在于，所述步骤g采用如下公式计算每个像素的拟合残差变化量：