量子進化算法及其在圖像稀疏分解中的應用.pdf

1、量子進化算法(Quantum-InspiredEvolutionaryAlgorithm,QIEA)是量子計算和進化算法相結合的一種概率搜索算法。以量子計算的一些概念和理論(如量子位、量子門、量子疊加態(tài)等)為基礎,與傳統(tǒng)進化算法相比,QIEA更容易在“勘探”與“開采”之間取得平衡,具有全局尋優(yōu)能力強、收斂速度快和種群規(guī)模小等特點。然而,QIEA中量子門的選取、工程應用、收斂性及與其它進化算法相結合等問題是值得進一步研究和探討。
　

2、　 雖然QIEA在圖像處理中有一些應用,但QIEA在圖像稀疏分解中的應用和研究還處于初級階段。因此,有必要探索量子進化算法在圖像的稀疏分解中的應用,以拓展量子進化算法的應用領域,并能較好地解決圖像稀疏分解計算復雜度高的問題,具有很重要的實際意義。論文的主要工作及研究成果如下:
　　 1、對國內外量子進化算法、圖像稀疏分解的研究現狀進行概述和分析,并指出需要解決的問題。
　　 2、介紹量子計算和量子進化算法的基本理論和相

3、關概念,給出量子進化算法的算法流程圖以及算法的實現過程,為后面內容打下基礎。
　　 3、介紹圖像稀疏分解的基本思想和圖像原子庫,給出圖像稀疏分解的實現過程和效果評價標準,然后針對基于匹配追蹤(MatchingPursuit,MP)的圖像稀疏分解方法計算量過大的問題,給出基于量子進化算法的圖像稀疏分解快速算法。在此基礎上,對六幅圖像進行稀疏分解,以驗證圖像稀疏分解快速算法的可行性。實驗結果表明,基于QIEA的圖像稀疏分解快速算法能

4、有效降低基于MP圖像稀疏分解算法的計算復雜度。實驗還分別采用不同的種群規(guī)模、進化代數和圖像分解次數,對圖像進行稀疏分解,以驗證其對算法性能的影響,為實驗參數的選擇提供參考。
　　 4、量子旋轉門(QuantumRotationgate,QR-gate)是QIEA中的關鍵算子,是算法的核心,它的好壞直接影響到QIEA的性能。在現有文獻中,主要有六種QR-gate,它們的評價和選擇是一個值得討論的問題,然而,很少有學者對這些QR-g

5、ate進行比較和評價。因此,對六種量子旋轉門進行分析和比較,分析它們各自的更新策略和性能,概述它們的優(yōu)缺點,用QIEA來解決圖像稀疏分解中原子最佳匹配的問題進行對比實驗,以得到六種量子旋轉門的性能比較結果,可為QIEA中量子旋轉門的選擇和設計提供一些有價值的參考。
　　 5、為得到一種搜索性能較好的搜索方法,提高圖像稀疏分解的效果,并減少圖像稀疏分解的時間復雜度高的問題,將改進差分進化(ImprovedDifferentialE