一类改进遗传算法的图像信息恢复研究

首先,提出了直接一阶混合映射的灰度转换方程,改进了现有的基于远程相关性的图像信息恢复算法,既克服了直接映射平滑性差的缺点,又避免了一阶线性多项式映射存在的多项式系数分母为零的无意义问题可能带来的重大缺陷;接着,提出了一类改进的遗传算法作为图像恢复中远端窗口的搜索策略,避免了遍历搜索的费时费力,又克服了随机搜索的盲目性和不稳定性,与基本遗传算法相比加快了收敛进程,提高了准确性.实验结果表明,本文提出的两个方面的改进对图像恢复的效果令人满意,特别是改进的遗传算法在全局寻优中表现出了良好的鲁棒性.     

一种基于遗传算法的图像分割方法

图像阈值分割技术在图像分割中具有重要的意义。遗传算法既可以对全局信息高效利用,也减少了存储空间和计算量。利用遗传算法的优点,文章提出了一种用改进遗传算法优化图像阈值并对图像进行分割的方法。通过实验对比,文章表明该方法具有快速、稳定分割的特点。     

一种基于凸集映射的高分辨率图像恢复算法

介绍了一种基于凸集映射(POCS)算法的高分辨率图像恢复方法，通过仿真对比了其与双线性插值方法恢复高分辨率图像的差异，仿真结果表明，该方法有助于改善高分辨率图像的恢复质量。     

一种新型的图像恢复算法

针对巨型图片恢复处理过程中所面,临的运算量庞大的技术瓶颈,从光学图像退化模型出发,发展了一种基于最小二乘方的恢复算法,在算法的实现过程中回避了变换到频域的常规做法,提出了一种新颖的级联模板的运算方法,在一定程度上减小了运算量,降低了复杂度,实验结果表明该方法是有效的。     

基于偏微分方程的图像盲恢复模型

提出了一种新的基于偏微分方程的图像盲恢复模型.改进了Chan和Wong的交替最小化思想.扩散系数不是直接来源于图像的梯度幅值而是在图像梯度模的基础上恢复出图像的边缘信息,消除了梯度模在分母中对实验产生的误差,给出了模型粘性解的存在性,唯一性和稳定性的定理.并给出实验结果,通过比较表明该模型有很好的性能.     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

两种图像恢复的新方法

本文用人工神经网络实现极大熵约束下的图像重建,并提出综合图像恢复法,对从脉冲性噪声中恢复图像有较好结果。本文还用扩展的自相关函数(EAC)法改进普通的LPC自相关函数法恢复图像也有较好的结果。以上两种图像恢复领域中新方法对解决损失部份信息下的图像重建有一定意义。     

一种基于均值漂移和遗传算法的图像分割算法

考虑到图像的噪声和边缘保持等因素,提出了一种基于均值漂移的图像平滑和利用遗传算法取得直方图最大熵的图像分割算法相结合的方法,首先利用均值漂移算法对图像进行平滑处理,然后对平滑后的图像通过遗传算法获得在直方图最大熵时的分割阈值,实验得出,本文算法能取得较好的分割效果。     

一种基于遗传算法的业务排序方法

业务连续性计划中较为关键的一步是对企业中业务恢复过程的顺序的确定。遗传算法则是在计算机上模拟了生物的进化现象,一代一代地优胜劣汰,发展进化。基于遗传算法,在业务之间相互依赖的约束条件下,提出了一种业务恢复过程的排序方法,并根据实验结果对算法进行了进一步的优化。实验表明,使用其提出的算法可以更好地进行业务排序,缩短排序的时间,从而提高整个业务连续性实施过程的效率。     

用细胞神经网络实现图像恢复的一种新方法

本文提出并讨论了用细胞神经网络实现图像最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

图像恢复的小波域加速Landweber迭代阈值方法

该文利用对忠诚项的二次逼近方法,提出了一种小波域加速Landweber迭代阈值算法。该算法的每次迭代是对前两次迭代结果的线性组合做阈值处理。与标准的迭代阈值算法相比,该方法收敛速度更快。由于参数的可选择性,新算法更有灵活性。数值实验表明新算法能够有效地提高恢复图像的质量,是一种行之有效的图像恢复方法。     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。     

改进的遗传算法在背包问题中的应用

介绍了一种最优保存遗传算法,针对该算法提出一种改进方案,一方面改变了保存最优个体的方法,另一方面对不满足约束条件的个体采用贪心策略进行改造,使其满足条件。最后通过一个具体的背包问题实例验证了改进算法的可行性和有效性。     

量子行为粒子群算法在图像恢复中的应用

遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在“过早收敛”现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

用于图象复原的离散L-曲线自适应算法

描述了一种自适应的离散L-曲线正则参数的计算方法,正则化方法为截断奇异值分解法。该算法不需要预置参数,能够滤除L-曲线上的局部特征,略掉局部拐点,确保了解的收敛。在不同的噪声背景下以及不同尺度下我们进行了数值测试,并将测试结果与最优正则解进行对比分析。实验表明,该算法对图像的复原效果、可靠性和稳定性要优于传统的算法。     

遗传操作的一般性算子及图象恢复处理

针对遗传算法中 收剑问题,设计了一种遗传操作的一般性算子,该算子能够：（１）判断群体多样性的好坏程度,以使决定交叉和变异谁是主要、辅助算子;（２）当 某代群体的多样性差时,随机独立地产生多个新种个体;（３）当接近最优解邻域时,加速向最优解收敛。本文结合退化图象的,提出子基于算子的衅象遗传恢复方法,计算机模拟和实验结果表明,该方法能够较好地解决简单遗传算法中过早收敛于非全局最佳恢复图象问题。     

一种遗传搜索块寻优的不同聚焦点图像融合算法

该文提出一种将遗传搜索策略应用于多聚焦图像融合子块寻优的算法,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。该方法把图像子块大小作为遗传染色体,经过杂交、变异等操作,以便得到全局意义上的最优解。利用3种评价参量,即均方根误差、熵和互信息进行不同图像融合方法的分析及效果评价,文中讨论了两种情形,并通过大量的图像实验表明：当聚焦目标无交叉模糊区域时,该方法能实现多聚焦图像对参考源图像的重构或优化融合效果;当聚焦目标有交叉模糊区域时,该方法也取得了很好的效果,超过Laplacian算法和小波变换法。     

遗传算法在矢量传感器对目标进行定向中的应用

矢量传感器通过测量水中质点的振速信息,仅用单个的矢量传感器就可以进行水下目标的方位估计。本文分析了声压梯度法和互谱声强法的定向原理,并将遗传算法引入互谱声强法目标定向中。通过构建适应度函数,根据信号适应度函数进行遗传选择,舍弃不稳定信号,对有用信号进行杂交,从而获得较高的定向精度。仿真结果表明,该算法可以有效地进行目标方位估计,进一步提高定向精度。     

基于边缘恢复和伪像消除的正则化图像复原

由于各种原因复原图像不可避免地会存在一定程度的Gibbs效应、颗粒噪声及边缘振铃等伪像, 为此该文基于边缘恢复和消除伪像提出一种新的正则化图像复原方法。该方法在保留传统的平滑正则化约束项前提下, 首先将降质图像划分为边缘区、纹理区和平坦区, 然后以图像复原后边缘区局部方差的增加量构建正则化约束项作为对边缘恢复的约束, 而以平坦区局部方差的减少量构建正则化约束项作为对伪像消除的约束。实验结果表明, 在增加上述两个正则化约束项后其复原效果要明显优于传统的正则化复原方法。