一种基于量子进化算法的快速水印算法

针对传统基于人类视觉系统特性的空间域与变换域相结合的水印算法中嵌入信息量小、嵌入位置定位及检测准确率低和算法运行速度慢等缺陷,提出并实现一种基于量子进化算法(QEA)的快速水印新算法。仿真实验结果表明,新算法不仅生成水印图像的速度快,而且对各种攻击具有良好的敏感性和鲁棒性。新算法在应用中有较大的灵活性,并且具有可嵌入信息容量大、运算速度快和可操作性强等特点。     

一种基于黏菌群算法的图像边缘检测方法

图像边缘检测涉及很多复杂的因素,是一个难以解决的问题,因此提出了一种黏菌群算法来提高图像边缘检测准确性。首先,在像素灰度和边缘提取的基础上建立待检测图像的能量模型,其次,模拟黏菌群的合作行为设计出一种黏菌群算法,解释其交叉学习机制,最后通过实验提取主要边缘并减少其他边缘,比较结果表明,与其他人工智能算法相比,该方法可以有效解决图像边缘检测的精度问题。     

量子进化策略

本文将进化策略和量子理论相结合,提出一种新的学习算法-量子进化策略(Quantum Evolutionary Strategies)算法.它是一种基于量子计算的概念和理论(诸如量子比特和量子叠加态)的进化策略算法,在这一算法中,采用量子编码来表征染色体,使用量子变异实现染色体的进化.由于量子变异中融入了当前最优解的信息,同时采用“全干扰交叉”操作克服早熟现象的发生,因此它比传统进化策略具有更快的收敛速度和全局寻优的能力.本文不仅从理论上证明了它的全局收敛性,而且仿真计算也表明了此算法的优越性.     

一种基于LoG算子的量子图像边缘检测算法

针对图像边缘的实时提取问题,设计了一种基于经典高斯-拉普拉斯算子(LoG算子)的量子LoG图像边缘检测算法。通过在经典计算机上利用Matlab软件对该量子LoG算法进行模拟仿真计算,证明了该量子LoG算法可以快速、有效地实现对图像边缘的识别与提取。此外,还考察了两类退相干效应对此算法的影响。计算结果表明,相较于目前已有的相关量子图像边缘检测算法,量子LoG算法具有更好的抗噪特性。     

一种基于局部特征的拓片图像边缘检测算法

针对传统边缘检测算法在处理拓片图像时,容易将模糊的细节部分丢失或者误检的问题,提出了一种基于局部特征的拓片图像边缘检测算法.该算法预处理部分采用了unsharp算子对细节部分进行保护和增强,利用局部标准差均值比(Local Standard Deviation Mean Ratio,LSDMR)对图像进行边缘描述,对LMSDR进行处理以得到图像边缘,实验结果表明,该算法对拓片图像模糊细节的边缘检测明显优于传统算法.     

量子衍生差分进化算法的设计与实现

为提高差分进化算法的优化性能,从研究差分进化算法的实现机制入手,提出将差分策略与量子比特在Bloch球面的绕轴旋转相融合的新思想。个体采用基于Bloch球面描述的量子比特编码,采用差分策略计算当前个体上量子比特的旋转角度,采用向量积理论构造旋转轴,采用泡利矩阵构造旋转矩阵,以当前最优个体上相应量子比特为目标,在Bloch球面上沿旋转轴向目标比特旋转。采用Hadamard门实现个体变异。函数极小值优化的仿真结果表明,所提方法单步迭代的平均时间约为普通差分进化算法的13倍。当限定步数相同时,优化结果约为普通差分进化算法的0.3倍,当运行时间相同时,优化结果约为普通差分进化算法的0.4倍。从而表明所提算法计算效率降低,但寻优能力明显提高,整体优化性能优于原算法。      

一种基于并行结构的快速VQ编码算法

为提高编码速度，本文提出了一种新的快速矢量量化编码搜索算法。文中首先讨论了码书矢量平均值与失真测度之间的变化关系，并根据其结果提出基本的四分法均值排序搜索算法；然后结合并行硬件的优点，提出一种基于并行结构的四分法均值排序搜索VQ编码算法。测试结果表明，与传统的完全搜索算法及部分快速搜索算法相比，本文算法大大减少了编码时间。     

量子克隆进化算法

本文在量子进化算法的基础上结合基于克隆选择学说的克隆算子，提出了改进的进化算法——量子克降进化策略算法(QCES)．它既借鉴了量子进化算法的高效并行性又利用克隆算子来代替其中的变异和选择操作，以增加种群的多样性，避免了早熟，且收敛速度快．本文不仅从理论上证明了该算法的收敛，而且通过仿真实验表明了此算法的优越性．     

基于量子进化算法的高校排课方法设计

排课既是高校教学管理中一项重要而复杂的工作,又是一个多目标约束组合优化问题,为此使用量子进化算法来求解高校排课问题。首先研究了量子进化算法的关键技术,然后根据量子进化算法求解优化问题的思路设计了高校排课算法。通过实验表明,本文方法能够根据开课任务自动完成排课过程,排课的成功率和效率都比较好。     

一种基于运动搜索的运动检测和边缘检测算法

提出了一种基于运动搜索的运动检测和边缘检测算法并估计了其硬件消耗.该算法利用视频编码器在编码过程中的中间过程计算数据,相对传统的视频编码器,以很少的电路结构消耗实现了运动检测和边缘检测两项功能.试验结果表明,提出的算法可快速、有效地获得满意的运动检测和边缘检测结果,并具有较强的鲁棒性.     

基于多宇宙并行量子遗传算法的多传感器图像融合方法

采用基于对比度视觉模型的图像融合最优分块搜索算法,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究.针对该算法在图像较大时融合的计算量大,耗时长,难以进行快速、实时融合等缺点,通过分析该算法固有的时间复杂性和并行性,提出了一种基于多宇宙并行量子遗传算法和对比度视觉模型的多传感器图像融合方法.实验表明,该方法融合计算速度快,并行性能理想.     

基于克隆算法的彩色图像边缘检测新算法

在图像边缘检测中,如何使得到的边缘图像有更好的边缘连续性和更少的过检测点,是图像边缘检测中的一个难点问题.本文初步分析了克隆技术,建议了一种克隆算法,将它用于彩色图像边缘检测,并联合使用边缘连接算法,给出一种彩色图像边缘提取的新方法.仿真结果同Canny算子检测的边缘图像进行比较,证明本文算法检测出的边缘图像具有更好的边缘连续性和少的过检测点.     

一种遗传算法优化的图像模糊边缘检测方法

提出了一种遗传算法优化的图像模糊边缘检测方法.首先利用方向模板对图像进行卷积,求得梯度图像.然后对梯度图像的直方图进行模糊化,针对模糊窗宽参数的选取困难,根据图像确定了模糊函数窗宽的范围,利用遗传算法的全局搜索性能进行阈值的搜索,并利用最小图像模糊率来确定最优阈值.根据得到的阈值对梯度图像进行分割,得到图像的边缘.结果表明,边缘检测效果较好,显著提高了运算速度.     

基于量子计算模型的混合进化算法及其性能分析

 提出了基于量子动力学机制的混合进化算法,该算法依据小生境机制将初始个体划分为实数编码染色体的子群,种群内部采用自适应算子搜索局域的最优解,种群之间则采用基于量子动力学机制的协同进化.混沌系统生成的初始染色体序列实际上并不完全随机,因此我们提出非对称区间产生混沌染色体序列并能生成更多的优秀个体.为解决二进制算法所不能避免的精度与效率的冲突,本文采用十进制编码染色体.利用量子动力学机制的高度分布并行性,本模型能更好的适应复杂的动态环境.我们不仅证明了算法的收敛性而且分析了提高算法性能的策略,仿真实验也验证了该算法的优越性.     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

基于改进Canny算子的铁轨边缘检测方法

边缘检测是铁轨异物入侵检测的关键技术,针对铁轨图像边缘检测效果不佳的问题,设计了一种基于改进Canny算子的边缘检测算法.通过极值中值滤波平滑图像,提出加权系数梯度幅值和方向计算方法,并采用改进的迭代式阈值分割方法来确定Canny算子的最优高、低阈值,从而实现铁轨边缘的精确检测.对检测结果进行定性定量分析,结果表明,该方法提高了边缘检测定位精度,有较好的连续性、抗噪性能和清晰度.     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于多方向小波期望最大融合的图像边缘检测算法

针对传统图像边缘检测算法抗噪能力差,定位准确性不高的缺点.提出了一种基干多方向多尺腰小波变换的图像边缘检测算法.该算法利用小波变换各尺度间边缘梯度信息的关联及备方向上边缘梯度信息的互补,首先从多个方向对图像进行多尺度小波变换.然后将各个方向上小波系数根据期望最大规则进行融合,再通过最大墒阈值处理,形成图像的边缘。宾验结果表明,由于算法省去了求模值过程,使计算更加简单.同时通过多方向小波变换能尽可能地搜索各方向的图像边界,使边缘定位更加准确.     

基于方向小波变换的边缘检测算法

提出了一种基于方向小波变换的边缘检测算法.本文详细介绍了方向小波变换的原理、基于此的图像边缘检测算法,比较了方向小波变换和传统小波变换、Canny算子在图像边缘检测的效果.实验结果表明,方向小波变换更符合图像的方向、纹理特征,因此更能反映图像的边缘信息,对传统的小波变换、Canny边缘检测算法有一定程度的改进.     

一种基于Sobel分解算子的图像边缘检测并行算法

串行Sobel梯度算子边缘检测算法需要将两个掩模S1和S2分别在图像的每个像素上移动．并在每个像素上进行11次加法运算，即需要11xN^2次加法，时间复杂度为O（N^2）；文章提出了一种Sobel算子分解模型。并设计了一种在SIMD—MPP模型上基于Sobel分解算子的并行图像边缘检测算法．该并行算法总共只需要8次平移操作和9次加法运算即可完成，其时间复杂度为O（1），加速比达到N^2，大大地提高了基于Sobel算子的图像边缘特征提取的效率。