《圖像處理的各向異性演化格子波爾茲曼模型及快速算法》是依託上海大學，由嚴壯志擔任項目負責人的面上項目。
基本介紹
- 中文名：圖像處理的各向異性演化格子波爾茲曼模型及快速算法
- 項目類別：面上項目
- 項目負責人：嚴壯志
- 依託單位：上海大學
中文摘要,結題摘要,
中文摘要
本項目，綜合運用計算流體力學、圖像處理偏微分方程方法、計算與數值分析等領域的前沿理論，和自由能量法、Chapman-Enskog多尺度分析法、非標準格線方法、非線性擴散模型、緩衝技術等方法；探索結合目標圖像先驗知識和圖像局部特徵的平衡態分布函式和鬆弛時間的表達和設計方法，構造各向異性演化格子波爾茲曼（LB）模型，建立非線性擴散圖像去噪LB方法的一般模型，發展非紋理圖像修補的新模型，研究多次疊代一次通信的分塊加速算法，並以大數據量影像資料修復中常見的細節保持斑點噪聲去除和拉條、劃痕等缺損型非紋理圖像修補為主要驗證對象，建立LB方法的評估標準和實驗系統，驗證項目成果的有效性和有用性。本項目發揮圖像處理LB方法的快速性、普適性、精確性和穩定性等優點，克服非線性擴散模型計算效率低和穩定性差等缺點，為實現多核並行處理創造條件。項目成果還有望在超聲圖像和合成孔徑雷達圖像的斑點噪聲去除中得到套用。
結題摘要
本項目，以圖像去噪和非紋理圖像修補問題為主要套用背景，針對圖像處理偏微分方程方法中非線性擴散模型計算量大穩定性差等問題，綜合運用計算流體力學、計算與數值分析等領域的前沿理論和Chapman-Enskog多尺度分析法、非標準格線方法、緩衝技術等方法；探索結合圖像先驗知識和圖像局部特徵的平衡態分布函式和鬆弛時間的表達和設計，建立各向異性演化的格子波爾茲曼（LB）圖像處理一般模型，發展非紋理圖像修補的新方法，並以影像修復中常見的細節保持斑點噪聲去除和拉條、劃痕等缺損型非紋理圖像修補為主要驗證對象，建立評估標準和實驗系統，驗證項目成果的有效性和有用性。 項目組，按照研究計畫，以新模型與新方法-算法最佳化與實驗系統-測試與套用為主線，針對圖像處理中LB模型套用的理論和關鍵技術問題，結合學科交叉優勢，經過4年研究，實現了項目預期的目標。 在新模型與新方法方面，項目組創新圖像先驗知識和圖像局部特徵的平衡態分布函式和鬆弛時間的表達和設計，建立了基於亞像素格子的各向異性演化LB圖像處理一般模型和非紋理圖像修補LB方法。在算法最佳化和實驗系統方面，項目組綜合利用非標準格線方法和緩衝技術，發展了基於多重格線的LB模型，並在基於同構多核處理器平台和基於異構多核平台的實驗系統上，系統研究了格子模型、鬆弛時間、外力項、疊代步長等模型參數對LB模型演化計算量的影響及其演化算法的最佳化。在測試與套用方面，項目組利用上海廣播電視台的影像修複數據資源和專業經驗，按斑點、拉條等分類，結合模擬和真實圖像，參照國內外通行標準，針對非紋理圖像修補LB模型及快速算法進行了測試。測試報告結論是“格子波爾茲曼模型算法對於大斑點，粗拉條的修補具有明顯效果，從修復質量上而言無論是主觀還是客觀都優於同類 CDD與BSCB算法。在相同的實驗環境與疊代次數條件下，耗時少於CDD算法。從真實使用環境的實用性角度而言，LB方法更具有推廣使用價值。” 項目組還開展了新模型及快速算法在圖像去噪、分割和修復領域的套用研究，在低對比度腦MRI圖像分割、三維腦MR圖像快速分割、PiB PET圖像定量化和內窺鏡高清圖像高光偽影修復等領域取得成果。 課題執行期間，項目組在共發表（含已錄用）13篇學術論文，其中SCI期刊論文4篇和EI期刊論文1篇，申請發明專利2項和獲得授權發明專利1項，引進青年教師1名，培養博士生2名和碩士生9名。
