遺傳算法的早熟現(xiàn)象研究及其在圖像恢復(fù)中的應(yīng)用.pdf

1、在圖像成像、復(fù)制、掃描、傳輸、顯示等過程中，不可避免地要造成圖像的退化，而在許多應(yīng)用領(lǐng)域中，需要清晰的、高質(zhì)量的圖像，因此，圖像恢復(fù)具有重要的意義。圖像恢復(fù)目的是對退化圖像進(jìn)行處理，盡可能恢復(fù)成原始圖像。它是圖像處理、模式識別、機(jī)器視覺的基礎(chǔ)，并在天文學(xué)、遙感成像、醫(yī)療圖像等領(lǐng)域獲得廣泛的應(yīng)用。 在圖像恢復(fù)中，由于圖像信息本身的復(fù)雜性和較強(qiáng)的相關(guān)性，在處理過程中的各個(gè)不同層次可能出現(xiàn)不完整性、不精確性、非結(jié)構(gòu)化等問題，因此將計(jì)算

2、智能信息處理方法應(yīng)用于圖像恢復(fù)，在一些場合比傳統(tǒng)恢復(fù)方法具有更好的效果。 遺傳算法作為一種智能優(yōu)化算法，是借鑒生物界選擇和遺傳機(jī)制的隨機(jī)化搜索算法，其主要特點(diǎn)是在搜索空間中同時(shí)在很多點(diǎn)進(jìn)行求解，利用隨機(jī)規(guī)則米引導(dǎo)搜索，且搜索不依賴于梯度信息，它尤其適用于處理傳統(tǒng)搜索方法難于解決的復(fù)雜和非線性問題。遺傳算法的優(yōu)勢是利用所允許的不精確性、不確定性和部分真實(shí)性，以得到易于處理、魯棒性和成本較低的解決方案，因此是很有發(fā)展?jié)摿Φ膱D像智能信

3、息處理方法。 本論文圍繞遺傳算法中存在的早熟現(xiàn)象及其在圖像恢復(fù)中的應(yīng)用主要做了以下三個(gè)方面的工作。 (1)針對遺傳算法中存在的早熟收斂現(xiàn)象，提出一種用于防止早熟收斂的改進(jìn)遺傳算法。該算法首先利用從基因和個(gè)體兩個(gè)方面設(shè)計(jì)的種群多樣性算子產(chǎn)生較好的初始種群分布，并以該算子作為判斷種群是否早熟收斂的依據(jù)。一旦出現(xiàn)早熟收斂或早熟收斂的趨勢，則進(jìn)行災(zāi)變，以恢復(fù)算法的進(jìn)化能力。其次，經(jīng)過該算法中的選擇和交叉算子后的種群由兩部分構(gòu)成，

4、一是從父代種群中選出的保留種群，二是利用父代種群中的最優(yōu)個(gè)體與引入的隨機(jī)種群進(jìn)行交叉操作產(chǎn)生的交叉種群，保留種群和交叉種群重新組成下一代種群。通過實(shí)驗(yàn)仿真并與SGA和EGA算法進(jìn)行比較，驗(yàn)證了該算法在函數(shù)優(yōu)化中能有效維持種群的多樣性，快速找到全局最優(yōu)解。 (2)針對遺傳算法用于圖像恢復(fù)時(shí)存在的早熟現(xiàn)象，提出一種用于二值圖像恢復(fù)的改進(jìn)遺傳算法。該算法每進(jìn)化k代引入一次比例為r的隨機(jī)種群，r是隨機(jī)種群占種群規(guī)模n的比例。如果在某代加

5、入隨機(jī)種群，則該代中的交叉算子就用當(dāng)前最優(yōu)個(gè)體與加入隨機(jī)種群后的種群中的每一個(gè)個(gè)體進(jìn)行交叉操作。同時(shí)，該算法設(shè)計(jì)了只對最優(yōu)個(gè)體進(jìn)行變異的局部變異算子，對于任何一個(gè)待變異點(diǎn)，首先用“canny”算子檢測其與8-鄰域像素點(diǎn)構(gòu)成的局部區(qū)域是否含有邊緣信息，對不含邊緣信息的局部連通區(qū)域進(jìn)行0、1變異或保持局部連通區(qū)域的原值不變。每隔一定代數(shù)加入一次隨機(jī)種群加強(qiáng)了遺傳算法搜索新的解空間的能力，基于邊緣信息的局部變異算子使算法加速向最優(yōu)解收斂。仿真

6、實(shí)驗(yàn)驗(yàn)證了該算法優(yōu)于SGA算法，并且對圖像的模糊程度依賴性小。 (3)在圖像恢復(fù)中，去噪也是很重要的研究內(nèi)容之一。通過對L濾波的研究，提出一種新的圖像混合噪聲濾波算法。該算法依據(jù)中心極限定理，通過在圖像上交互式的選擇感興趣區(qū)域估計(jì)混合噪聲模型，并把該混合噪聲模型添加到一幅較小的測試圖像上，重建退化過程。然后以測試圖像為目標(biāo)，用遺傳算法優(yōu)化L濾波的權(quán)系數(shù)，并用得到的一組最優(yōu)權(quán)系數(shù)結(jié)合圖像的邊緣信息對圖像進(jìn)行L濾波。在進(jìn)行L濾波時(shí)，