[发明专利]一种动态感知平滑滤波算法

摘要

本发明公开了一种动态感知平滑滤波算法，解决了滤波器参数设定难的问题。算法既能保持边缘轮廓，还能识别轮廓内的小目标。首先利用最大期望聚类算法聚类影像数据，分区域学习影像中多套参数。然后将聚类结果形成的超像素块，继续导入EM算法，直到满足预设的观察细节需求。利用格式塔双向约束机制，约束测度，从而实现了多分辨率采样的新机制，用以生成全新的滤波机制。本发明不仅有效识别CT中的信息，还能用来处理自然图像，滤波结果在保留影像细节信息的同时，增强了影像数据区域的平滑性，使得后续图像处理流程中的智能算法的光滑性假设得到满足，增加后续算法的可靠性，同时免去了算法对冗余数据的不必要处理，具有十分广阔的应用价值。

主权项

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，像素相似性测度生成计算所述数据结构中结点的摄动项Ψs，其中：设置第一层根结点的摄动项Ψs的值为1，其余层的中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，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，然后利用中心像素和邻域像素的相似性测度进行滤波。