论文图像处理

目录目录....................................................................I摘要....................................................................1第一章概述................................................................21.1引言................................................................21.2研究背景............................................................21.2.1运动模糊图像的退化模型............................................21.2.2运动模糊图像复原算法..............................................21.3研究现状............................................................5第二章基于统计规律的自动复原算法..........................................62.1运动模糊图像复原效果的规律统计......................................62.2算法流程............................................................62.3基本粒子群优化算法的缺点及改进方法..................................62.3.1基本粒子群优化算法的缺点..........................................62.3.2几种改进算法......................................................72.3.2.1标准粒子群优化算法..............................................72.3.2.2带有收缩因子的粒子群优化算法....................................72.3.2.3采用微分扰动的粒子群............................................82.3.2.4带有小生境拓扑结构的粒子群优化算法..............................92.3.2.5带有梯度加速因子的粒子群优化算法.............................10第三章基于多种群的粒子群优化算法.........................................113.1算法基本改进方法...................................................113.2算法伪代码.........................................................11第四章实验分析...........................................................144.1几种常用改进算法...................................................144.2标准测试函数........................................................144.3收敛速度实验分析....................................................154.3.1实验设置..........................................................164.3.2实验结果..........................................................164.4收敛性能实验分析....................................................174.4.1实验设置..........................................................174.4.2实验结果..........................................................184.5算法参数分析.......................................................194.5.1实验设置..........................................................194.5.2实验结果..........................................................20第五章基于多种群的粒子群优化算法的应用....................................215.1生产计划问题描述....................................................215.2实例................................................................225.3运行结果............................................................23第六章总结与展望..........................................................246.1课题总结............................................................246.2后续研究展望........................................................24参考文献...................................................................251摘要在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，得到广泛应用。本文首先描述了基本粒子群优化算法及其几种改进算法的基本原理，并对基本粒子群优化算法参数进行了简要分析。根据分析结果，提出了一种基于多种群的粒子群优化算法。在5个标准优化函数上与基本粒子群优化算法及几种改进算法进行了比较，实验结果表明本文算法在优化多模式函数时性能明显要优于其它算法。本文算法应用于生产计划安排问题上也获得了较好的性能。最后对本文进行了简单的总结和展望。关键词：粒子群优化，适应度，群智能2第一章概述1.1引言在运动图像复原的研究中，运动模糊图像的参数估计与恢复算法是近年来数字图像处理领域研究的热点问题。成像设备的载体与所观测目标可能都以较高速度运动，若它们之间存在较大的相对运动速度，就会造成场景能量在成像传感器拍摄积分时间内在成像平面上的非正常积累，即引起图像运动模糊。在运动模糊严重的情况下对于图像的进一步应用，如图像的特征提取、自动识别和图像的分析等都是相当有害的。因此，对运动模糊图像的恢复在天文、军事、道路交通、医学图像、工业控制及侦破领域里都具有非常重要的实际意义。1.2研究背景1.2.1运动模糊图像的退化模型考虑到噪声的影响，运动模糊图像的退化模型可以描述为一个退化函数和一个加性噪声项，退化公式可用卷积形式表示：错误!未找到引用源。),(),(*),(),(yxnyxhyxfyxg(1)其中),(yxg是模糊图像，yxg,是原图像，yxn,是混叠在信号中的加性噪声项，yxh,是与相对运动参数相关的一个常量(即图像模糊点扩散函数PSF)。1.2.2运动模糊图像复原算法1.逆滤波法逆滤波法是经典的图像复原算法，它是用退化图像的傅立叶变换来计算原始图像的傅立叶变换的估计，对于复原模型来说当忽略噪声的影响时，退化模式变换为:yxHyxGyxF,*,,(2)3由上式可得复原图像的谱yxHyxGyxF,*,,，其中yxH,/1y)称为逆滤波器，对yxF,进行傅氏反变换即可得到复原图像yxf,。实际应用中由于噪声的影响使得此种滤波方法存在着病态问题，也就是说当有噪声存在且yxH,等于零或者非常小的数值点上时，噪声就会被放大。这就意味着yxF,将变成无穷大或非常大的数。而噪声的干扰就会被放得很大，有可能使恢复的图像和yxF,相差很大，甚至面目全非。解决该病态问题的唯一方法就是避开yxH,的零点即小数值的yxH,，途径有两种：一是，使yxH,具有低通滤波的性质。二是，在yxH,=0及其附近，人为地仔细设置yxH,1的值，使yxHyxN,*,1不会对复原产生太大的影响。逆滤波方法是一种简单实用，物理意义明确的滤波方法，被广泛应用到工业领域，不过由于算法自身的原因，存在着许多局限性，使得它的使用受到一定的限制。2.维纳滤波法维纳滤波又称为最小均方误差滤波，它用于图像复原的基本思想是：假设信号是平稳随机的，按照复原图像错误!未找到引用源。与原图像错误!未找到引用源。的均方差最小原则来实现滤波。min,,2yxfyxfE(3)其中错误!未找到引用源。，为数学期望算子。Helstorm1967年提出了具有如下二维传递函数的维纳滤波器：vuvussvuHvuvuPfmH,,2,,,2(4)其中，错误!未找到引用源。vuH,*为退化系统退化函数错误!未找到引用源。vuH,的复共轭，当错误!未找到引用源。过零点时，由于式(4)中存在错误!未找到引用源。项，不会出现被零除的情形；同时分子含有错误!未找到引用源。项，因此当错误!未找到引用源。=0时，滤波器的增益恒等于0。另外，如果在某一频谱区信噪比相当高时，滤波器的效果也趋于逆滤波。反之，对性噪比很低的区域，滤波器趋于无反应。这表明维纳滤波器避免4了在逆滤波中出现的噪声过多放大现象。所以它在一定程度上克服了逆滤波复原方法的缺点。3.最大熵复原法最大熵恢复是对图像复原问题加以最大熵约束的恢复方法。它是一种非线形的方法，在图像恢复领域中有种重要的影响。该方法要求恢复的图像满足成像公式的前提下熵最大。也即图像恢复问题的所有可行解中，选择熵最大的那一个作为最终的解。假设图像函数具有非负值，则定义一幅图像的总能量为错误!未找到引用源。xyyxfE,(5)图像的熵为错误!未找到引用源。yxfyxfxyIiH,ln,(6)噪声熵为错误!未找到引用源。ByxnByxnxynH,ln,(7)其中，B为最小的噪声负值，以使错误!未找到引用源。Byxn,ln有意义（令00ln0）。最大熵复原就是在满足式（5）和图像退化模型的约束条件下使复原后的图像熵和噪声熵最大，定义不同形式的熵可以获得不同的复原方法。相对于传统的线性方法，最大熵复原方法的优点在于不需要对图像先知识做更多假设，可在抑制噪声和恢复细节间取得较好的平衡，获得比线性恢复方法更高的分辨率。另外，大多数最大熵恢复算法还可以恢复残缺图像。但是，最大熵方法作为一种非线性的方法，在数值求解上是比较困难的，通常只能用极为耗时的迭代算法，计算量巨大，对计算机设备