版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、圖像是人類獲取信息的重要內(nèi)容,大量清晰的圖像對人們的日常生活和科學(xué)研究具有十分重要的作用。但圖像在形成、傳輸和記錄過程中都會受到諸多因素的影響,所以人類通過各種方式獲得的圖像一般都不可能是一個物體完整的描述,而只是一幅降質(zhì)的圖像記錄。因此,研究和發(fā)展有效的圖像恢復(fù)技術(shù)改善降質(zhì)圖像的質(zhì)量就顯得尤為重要。 在圖像恢復(fù)方面,由于圖像信息本身的復(fù)雜性和它們之間較強的相關(guān)性,在處理過程中的各個層次可能出現(xiàn)不完整性、不精確性和非結(jié)構(gòu)化等問題
2、,因此將計算智能信息處理的方法應(yīng)用于圖像恢復(fù),在一些場合比傳統(tǒng)恢復(fù)方法具有更好的效果。 遺傳算法作為一種智能優(yōu)化算法,是借鑒自然界選擇和遺傳機制的隨機化搜索算法,其主要特點是在搜索空間中同時在很多點進(jìn)行求解,利用隨機規(guī)則引導(dǎo)搜索,且搜索不依賴于梯度信息,尤其適用于處理傳統(tǒng)搜索方法難于解決的復(fù)雜和非線性問題。而模糊控制理論著眼于可用語言或概念表達(dá)的宏觀功能,接近于人的思維和認(rèn)識,是一種表達(dá)人類意識活動以及復(fù)雜事物的有效手段,并且具
3、有指導(dǎo)控制對象的能力,能夠很好地解決傳統(tǒng)控制方法難以實現(xiàn)或奏效的控制問題。遺傳算法和模糊控制理論相互結(jié)合的方法正是利用它們所允許的不精確性、不確定性和部分真實性,以得到易于處理、魯棒性和成本較低的解決方案,囚此是一種具有發(fā)展?jié)摿Φ膱D像恢復(fù)方法。 本文圍繞模糊遺傳算法的改進(jìn)及其在圖像恢復(fù)中的應(yīng)用主要做了以下三方面的工作。 首先,針對遺傳算法的早熟收斂問題,提出一種改進(jìn)的模糊遺傳算法。它將群體適應(yīng)度的均方差和種群的進(jìn)化代數(shù)一
4、起作為模糊邏輯控制器判斷早熟收斂的標(biāo)準(zhǔn),并根據(jù)判斷結(jié)果對優(yōu)劣不等的個體采取相應(yīng)的進(jìn)化方法,即當(dāng)種群正常進(jìn)化時對個體執(zhí)行“懲強扶弱”的措施以保持種群的多樣性,一旦發(fā)生早熟收斂或有早熟收斂的趨勢則對劣質(zhì)個體進(jìn)行局部變異,以恢復(fù)種群的進(jìn)化能力。通過實驗仿真并與其它幾種遺傳算法進(jìn)行比較,證實了這種算法在抑制早熟收斂和保持種群多樣性方面的優(yōu)勢。 其次,為了避免采用遺傳算法進(jìn)行圖像恢復(fù)時存在的弊端,如局部搜索能力差、運算開銷較大的問題,提出
5、一種基于模糊遺傳算法的圖像分塊恢復(fù)方法,即采取“分而治之”的方式,將大尺寸的降質(zhì)圖像均勻劃分為若干子圖像塊,對各子圖像塊依次采用遺傳算法恢復(fù),以減少進(jìn)化過程中的數(shù)據(jù)量,使各子圖像塊都能在短時間內(nèi)獲得較好的恢復(fù)效果。另外,由于圖像劃分后各子圖像塊的灰度級分布也有所不同,有的是灰度級單一的背景,有的是灰度級豐富的細(xì)節(jié),有的則可能位于前兩者的交界處,具有較強的邊緣信息,因此還將各子圖像塊直方圖統(tǒng)計數(shù)據(jù)輸入模糊邏輯控制器自適應(yīng)地調(diào)整適應(yīng)度函數(shù)的
6、參數(shù)、適應(yīng)度拉伸時的退火初始溫度、交叉概率和變異概率,以獲得更好的恢復(fù)效果。最后將恢復(fù)后的子圖像塊重組為整幅圖像,并對因分塊所造成的邊界噪聲進(jìn)行相應(yīng)處理。該算法無論在運算速度、內(nèi)存消耗以及恢復(fù)質(zhì)量方面,都較傳統(tǒng)的圖像恢復(fù)遺傳算法有很大提高。 最后,將模糊遺傳算法用于圖像的盲恢復(fù),并在論文中假設(shè)點擴散函數(shù)是空間移變的,并分點擴散函數(shù)的類型已知和未知兩種情況進(jìn)行討論。由于上文分塊算法中存在邊界噪聲嚴(yán)重的問題,論文提出一種根據(jù)圖像退化
7、情況采用三角形網(wǎng)格劃分圖像的方法,它考慮到相鄰像素間的相關(guān)性,利用“中心極限定理”將降質(zhì)圖像中具有相似峭度的相鄰三角形圖塊共同組合成一個不規(guī)則的子圖像塊。另外,引入微種群遺傳算法和標(biāo)準(zhǔn)遺傳算法一起交替迭代進(jìn)行圖像恢復(fù)和點擴散函數(shù)的估計,因為微種群遺傳算法的種群規(guī)模較小,運算復(fù)雜度低,并具有一定的局部微調(diào)能力,彌補了標(biāo)準(zhǔn)遺傳算法進(jìn)行圖像恢復(fù)時的缺陷。當(dāng)點擴散函數(shù)的類型已知時,微種群遺傳算法估計點擴散函數(shù)的參數(shù);而當(dāng)點擴散函數(shù)類型未知時,則
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 遺傳算法在圖像恢復(fù)中的應(yīng)用研究.pdf
- 遺傳算法的早熟現(xiàn)象研究及其在圖像恢復(fù)中的應(yīng)用.pdf
- 改進(jìn)遺傳算法在圖像恢復(fù)中的應(yīng)用研究.pdf
- 混沌遺傳算法及其在圖像匹配中的應(yīng)用
- 混沌遺傳算法及其在圖像匹配中的應(yīng)用(1)
- 遺傳算法在模糊模型辨識中的應(yīng)用.pdf
- 遺傳算法在圖像拼接中的應(yīng)用.pdf
- 改進(jìn)的量子遺傳算法及其在圖像匹配中的應(yīng)用.pdf
- 模糊邏輯、遺傳算法及其在熱工過程中的應(yīng)用.pdf
- 遺傳算法在中儲式球磨機模糊控制中的應(yīng)用.pdf
- 模糊動態(tài)罰函數(shù)遺傳算法及其在結(jié)構(gòu)優(yōu)化設(shè)計中的應(yīng)用.pdf
- 遺傳算法及其在結(jié)構(gòu)優(yōu)化中的應(yīng)用.pdf
- 遺傳算法及其在約束優(yōu)化中的應(yīng)用.pdf
- 遺傳算法及其在聚類分析中的應(yīng)用.pdf
- 一種改進(jìn)的遺傳算法及其在圖像分割中的應(yīng)用.pdf
- 遺傳算法在圖像處理中的應(yīng)用研究.pdf
- DNA遺傳算法在模糊PSS參數(shù)優(yōu)化中的應(yīng)用.pdf
- 基于頻譜參數(shù)估計和遺傳算法的運動模糊圖像恢復(fù)研究.pdf
- 基于遺傳算法的圖像恢復(fù)技術(shù)研究.pdf
- 改進(jìn)的模糊遺傳算法在醫(yī)學(xué)中的應(yīng)用和研究.pdf
評論
0/150
提交評論