图像处理中的格子玻尔兹曼方法研究综述
目的 格子玻尔兹曼(LB)方法作为一种兼具建模与快速求解偏微分方程(PDE)功能的方法已被成功应用于图像去噪、修复和分割.考虑到国内外尚未有LB方法在图像处理中研究进展的综述论文,为使即将进入该研究领域的学者比较全面地了解该方法的研究现状,本文对其进行系统综述.方法 着重分析了与图像去噪、修复、分割和3维图像处理密切相关的文献,将LB图像处理模型的构建分为自上而下和自下而上两种途径,对图像处理中的LB模型从宏观和微观两个角度进行分类.对模型的计算机实现算法、算法时间复杂度以及模型的具体应用进行分析与总结.最后,讨论了LB方法与PDE方法的本质区别,并指出几个尚未解决的问题.结果 第一,LB方法在图像处理中具有清晰的物理意义,像素值可视被为粒子密度值,像素值的改变可被视为受松弛时间和源项影响的粒子的重新分布;第二,各向异性扩散模型、非线性扩撒模型、线性扩散模型之间的微观区别在于松弛时间的差异,以上模型的时间复杂度依次降低,含源项扩散模型的时间复杂度除松弛时间以外还受外力项的影响;第三,自上而下的建模方法仅仅将LB视为PDE的一种解法,自下而上的建模方法从LB方法的物理意义出发,直接设计演化方程的关键参数,相对于第一种方法更为灵活;第四,LB算法固有并行,编程简单,当该方法被应用于并行平台时,图像数据量越大,GPU/CPU加速比越明显;第五,各向异性、非线性扩散模型可用于图像去噪、修复,含源项扩散模型中外力项的设计对图像分割质量有较大影响.结论 尽管LB方法作为一种固有的并行算法在3维图像去噪、配准和分割等快速图像处理领域具有极高的应用价值,但仍然存在边界条件处理、并行平台选择及优化等几个值得继续研究的问题.
图像处理、格子玻尔兹曼方法、图像扩散格子玻尔兹曼模型、并行算法、时间复杂度
22
TP391(计算技术、计算机技术)
国家自然科学基金项目61171146,61675124National Natural Science Foundation of China 61171146,61675124
2018-01-09（万方平台首次上网日期，不代表论文的发表时间）
共17页
1623-1639
