基于PSO的快速圖像類推及其應(yīng)用.pdf

1、類推是人類最常用的基本推理過程。圖像類推思想是一種基于學習的思想，闡述的是計算機學習人類的類推過程，分析并學習源圖像對中兩幅圖片的關(guān)系，將此關(guān)系應(yīng)用到目標圖像對中。 圖像類推算法是由Hertzmann等人受人類推理過程的啟發(fā)而提出的。該算法很好地解決了從數(shù)字藝術(shù)渲染中學習“藝術(shù)濾鏡”的問題，在藝術(shù)濾鏡、紋理合成、紋理傳輸、紋理數(shù)字化等典型圖像處理方法中的應(yīng)用取得了很好的效果。同時其提出的圖像類推思想也啟發(fā)了廣大的專家學者，拓展了

2、圖像類推思想在其它相關(guān)領(lǐng)域的研究。但是，在圖像類推算法中，最佳匹配像素搜索算法效率較低也一直是影響圖像類推合成效率的因素。 本文在Hertzmann圖像類推算法的基礎(chǔ)上，提出了一種基于粒子群優(yōu)化(PSO)算法的快速圖像類推算法。粒子群優(yōu)化算法(PSO)是由Kenndey和Eberhart在1995年提出一種基于群智能(SwarmIntelligence)的新的全局優(yōu)化進化算法。PSO算法本質(zhì)上屬于迭代的隨機搜索算法，其主要優(yōu)點在

3、于收斂速度快、能以較大的概率找到優(yōu)化問題的全局最優(yōu)解等。 本文應(yīng)用粒子群優(yōu)化(PSO)算法對Hertzmann圖像類推算法的最佳匹配像素搜索算法進行了改進，將粒子群優(yōu)化(PSO)算法引入到圖像類推領(lǐng)域，取代了Hertzmann圖像類推算法中使用的相似最近鄰域(ANN)搜索。在合成效果與Hertzmann圖像類推算法相差無幾的前提下，合成速度有了數(shù)倍的提升。同時本文采用粒子群優(yōu)化算法具有參數(shù)少，易實現(xiàn)，收斂快等優(yōu)點，可以很方便地調(diào)