模糊遺傳算法及其在圖像恢復中的應用.pdf

1、圖像是人類獲取信息的重要內容，大量清晰的圖像對人們的日常生活和科學研究具有十分重要的作用。但圖像在形成、傳輸和記錄過程中都會受到諸多因素的影響，所以人類通過各種方式獲得的圖像一般都不可能是一個物體完整的描述，而只是一幅降質的圖像記錄。因此，研究和發(fā)展有效的圖像恢復技術改善降質圖像的質量就顯得尤為重要。 在圖像恢復方面，由于圖像信息本身的復雜性和它們之間較強的相關性，在處理過程中的各個層次可能出現不完整性、不精確性和非結構化等問題

2、，因此將計算智能信息處理的方法應用于圖像恢復，在一些場合比傳統(tǒng)恢復方法具有更好的效果。 遺傳算法作為一種智能優(yōu)化算法，是借鑒自然界選擇和遺傳機制的隨機化搜索算法，其主要特點是在搜索空間中同時在很多點進行求解，利用隨機規(guī)則引導搜索，且搜索不依賴于梯度信息，尤其適用于處理傳統(tǒng)搜索方法難于解決的復雜和非線性問題。而模糊控制理論著眼于可用語言或概念表達的宏觀功能，接近于人的思維和認識，是一種表達人類意識活動以及復雜事物的有效手段，并且具

3、有指導控制對象的能力，能夠很好地解決傳統(tǒng)控制方法難以實現或奏效的控制問題。遺傳算法和模糊控制理論相互結合的方法正是利用它們所允許的不精確性、不確定性和部分真實性，以得到易于處理、魯棒性和成本較低的解決方案，囚此是一種具有發(fā)展?jié)摿Φ膱D像恢復方法。 本文圍繞模糊遺傳算法的改進及其在圖像恢復中的應用主要做了以下三方面的工作。 首先，針對遺傳算法的早熟收斂問題，提出一種改進的模糊遺傳算法。它將群體適應度的均方差和種群的進化代數一

4、起作為模糊邏輯控制器判斷早熟收斂的標準，并根據判斷結果對優(yōu)劣不等的個體采取相應的進化方法，即當種群正常進化時對個體執(zhí)行“懲強扶弱”的措施以保持種群的多樣性，一旦發(fā)生早熟收斂或有早熟收斂的趨勢則對劣質個體進行局部變異，以恢復種群的進化能力。通過實驗仿真并與其它幾種遺傳算法進行比較，證實了這種算法在抑制早熟收斂和保持種群多樣性方面的優(yōu)勢。 其次，為了避免采用遺傳算法進行圖像恢復時存在的弊端，如局部搜索能力差、運算開銷較大的問題，提出

5、一種基于模糊遺傳算法的圖像分塊恢復方法，即采取“分而治之”的方式，將大尺寸的降質圖像均勻劃分為若干子圖像塊，對各子圖像塊依次采用遺傳算法恢復，以減少進化過程中的數據量，使各子圖像塊都能在短時間內獲得較好的恢復效果。另外，由于圖像劃分后各子圖像塊的灰度級分布也有所不同，有的是灰度級單一的背景，有的是灰度級豐富的細節(jié)，有的則可能位于前兩者的交界處，具有較強的邊緣信息，因此還將各子圖像塊直方圖統(tǒng)計數據輸入模糊邏輯控制器自適應地調整適應度函數的

6、參數、適應度拉伸時的退火初始溫度、交叉概率和變異概率，以獲得更好的恢復效果。最后將恢復后的子圖像塊重組為整幅圖像，并對因分塊所造成的邊界噪聲進行相應處理。該算法無論在運算速度、內存消耗以及恢復質量方面，都較傳統(tǒng)的圖像恢復遺傳算法有很大提高。 最后，將模糊遺傳算法用于圖像的盲恢復，并在論文中假設點擴散函數是空間移變的，并分點擴散函數的類型已知和未知兩種情況進行討論。由于上文分塊算法中存在邊界噪聲嚴重的問題，論文提出一種根據圖像退化

7、情況采用三角形網格劃分圖像的方法，它考慮到相鄰像素間的相關性，利用“中心極限定理”將降質圖像中具有相似峭度的相鄰三角形圖塊共同組合成一個不規(guī)則的子圖像塊。另外，引入微種群遺傳算法和標準遺傳算法一起交替迭代進行圖像恢復和點擴散函數的估計，因為微種群遺傳算法的種群規(guī)模較小，運算復雜度低，并具有一定的局部微調能力，彌補了標準遺傳算法進行圖像恢復時的缺陷。當點擴散函數的類型已知時，微種群遺傳算法估計點擴散函數的參數；而當點擴散函數類型未知時，則