基于改進微粒群算法的圖像復(fù)原方法研究.pdf

1、圖像在生成、存儲和傳輸?shù)倪^程中，經(jīng)常由于硬件設(shè)備、天氣狀況、光線強弱、噪聲干擾等一系列的因素導(dǎo)致圖像質(zhì)量下降。為了復(fù)原這些退化圖像，迄今已有一些成熟的圖像復(fù)原的方法，包括逆濾波圖像復(fù)原方法、維納濾波圖像復(fù)原、從噪聲中復(fù)原、幾何失真校正等方法。逆濾波比較簡單，但處理噪聲的效果不盡如人意。維納濾波綜合了退化函數(shù)和噪聲統(tǒng)計特性兩個方面，但是維納濾波需要知道未退化圖像和噪聲的功率譜，這兩個參數(shù)較難獲得。從噪聲中復(fù)原和幾何失真校正只能用于被噪聲污

2、染的圖像或幾何失真嚴重的圖像。以上算法都有一定的局限性。
　　 智能算法能夠在諸多應(yīng)用領(lǐng)域高效率地求解尋優(yōu)問題，如遺傳算法是一種進化智能演化算法，它通過對初始解的不斷進化逐步接近最優(yōu)解,它包括選擇、交叉、變異等遺傳操作，其進化的過程是用上代變異出下代，以適應(yīng)度函數(shù)的值是否達到門限值為標志進行尋優(yōu)。而微粒群算法是一種群體智能算法，它也具備一定的全局尋優(yōu)功能，通過群體之間的信息交換進行尋優(yōu)求解。可是群體智能算法在子代迭代過程中沒有明

3、顯的選擇機制，雖然在迭代速度上比進化智能算法要快，但其收斂性能不如進化智能算法，容易陷入局部最優(yōu)。
　　 本文在采用群智能算法復(fù)原圖像的過程中，將遺傳算法中迭代過程中的選擇機制引入到微粒群算法，提出了一種基于改進微粒群算法IPSO (Improve Particle Swarm Optimization)的圖像復(fù)原技術(shù)，旨在增強群智能算法的全局搜索能力。本文采用了傳統(tǒng)的遺傳算法、標準微粒群算法和改進IPSO算法分別對退化圖像進行

4、復(fù)原實驗，實驗數(shù)據(jù)表明標準遺傳算法在圖像復(fù)原效果上比較理想，但是運算開銷大。標準微粒群算法的參數(shù)較少，運算效率高，但是復(fù)原效果不如遺傳算法。而改進的微粒群算法IPSO綜合了遺傳算法和微粒群算法的優(yōu)勢，能夠以較高的運算效率取得較好的圖像復(fù)原效果。
　　 本文的創(chuàng)新點在于將遺傳算法中的選擇過程引入到標準微粒群算法PSO，并將改進算法IPSO應(yīng)用于圖像復(fù)原。實驗結(jié)果表明，IPSO算法對于圖像復(fù)原體現(xiàn)出更好的綜合性能，具有良好的運算效率