用于塊截斷編碼圖像信息隱藏的遺傳算法研究.pdf

1、遺傳算法(Genetic Algorithm，簡稱GA)是一種模仿生物自然進化過程的隨機搜索和優(yōu)化算法，其優(yōu)勢在于簡單易行、魯棒性強、全局優(yōu)化性強和易操作，目前被廣泛用于函數(shù)優(yōu)化、機器學(xué)習(xí)、模式識別以及自適應(yīng)控制系統(tǒng)等眾多領(lǐng)域。但遺傳算法也存在收斂速度慢、易早熟、局部搜索能力差等缺點，為了盡量克服這些缺點，將遺傳算法用于塊截斷編碼圖像信息隱藏中解決提高壓縮率、加快收斂速度等問題，在對遺傳算法進行深入分析的基礎(chǔ)上，本文做了如下研究工作：<

2、br>　　 本文介紹了遺傳算法的研究現(xiàn)狀。研究了遺傳算法各組成要素的具體策略。采用了適合于塊截斷編碼圖像信息隱藏的遺傳算法方案(BTCIIHGA)，該方案包括遺傳算法引導(dǎo)搜索的主要依據(jù)就是個體的適應(yīng)度值，適應(yīng)度函數(shù)的選取直接影響到遺傳算法的搜索性能，采用基于人眼視覺的適應(yīng)度函數(shù)，并對運行結(jié)果進行了詳細分析，結(jié)果表明基于人眼視覺的適應(yīng)度函數(shù)收斂速度快、搜索能力好。應(yīng)用復(fù)制三基色位圖的方式初始化原始種群，采用均勻排序選擇算法來促進種群進化

3、。利用神經(jīng)網(wǎng)絡(luò)中的構(gòu)造神經(jīng)元激活函數(shù)Sigmoid函數(shù)，該函數(shù)在線性和非線性之間顯現(xiàn)出較好的平衡，交叉率、變異率按照個體適應(yīng)度在平均適應(yīng)度和最大適應(yīng)度之間隨Sigmoid函數(shù)非線性調(diào)整，因此采用自適應(yīng)交叉變異的方式有效的防止算法停滯不前，擺脫局部收斂，提高了算法的魯棒性。在前面研究基礎(chǔ)上，采用在遺傳算法后期加入進化逆轉(zhuǎn)操作進一步優(yōu)化種群得到通用位圖，從而改善遺傳算法局部搜索能力。本文利用MATLAB軟件進行仿真試驗，并對實驗數(shù)據(jù)進行了分