基于仿生智能優(yōu)化的圖像處理算法研究.pdf

1、隨著數(shù)字圖像處理技術(shù)的迅速發(fā)展，數(shù)字圖像處理在軍事、醫(yī)學(xué)、工業(yè)生產(chǎn)、遙測遙控等領(lǐng)域的應(yīng)用也越來越廣泛。圖像信息特征的復(fù)雜性和多樣性越來越明顯，對圖像信息的處理也變得越來越困難。圖像信息的不確定性以及建模困難等問題，使傳統(tǒng)的優(yōu)化方法在解決復(fù)雜的圖像處理問題時(shí)變得無能為力。仿生智能優(yōu)化算法是模擬生物體生存發(fā)展行為方式的目標(biāo)優(yōu)化算法，可以有效地求解復(fù)雜的優(yōu)化問題。將仿生智能優(yōu)化算法應(yīng)用于解決復(fù)雜的圖像處理問題具有很好的發(fā)展前景。本文圍繞細(xì)菌優(yōu)

2、化算法、人工蜂群優(yōu)化算法和搜尋者優(yōu)化算法三種仿生智能優(yōu)化算法分別應(yīng)用于圖像處理的理論和方法展開研究，提出了一些圖像處理的新方法和新思路，所做的主要工作如下：
　　1．提出了一種基于人工蜂群優(yōu)化的矢量量化圖像壓縮算法。將均方誤差作為衡量碼書質(zhì)量的目標(biāo)函數(shù)，采用人工蜂群優(yōu)化算法對矢量量化圖像壓縮中的碼書進(jìn)行優(yōu)化設(shè)計(jì)。為了進(jìn)一步提高算法的性能，采用基于混沌映射和反向?qū)W習(xí)的群體初始化方法生成初始碼書，減小了初始碼書對優(yōu)化結(jié)果的影響；將差分

3、進(jìn)化中的變異操作引入到基本人工蜂群算法的搜索策略中，加快了算法的收斂速度；并且在適應(yīng)度函數(shù)的計(jì)算過程中引入了基于和值的快速碼字搜索算法的思想，大大減少了算法的計(jì)算量。實(shí)驗(yàn)結(jié)果表明，算法收斂精度高，計(jì)算時(shí)間短，生成的碼書不僅質(zhì)量高，而且通用性好。
　　2．提出了一種基于細(xì)菌趨藥性的盲圖像分離算法。算法將規(guī)范四階累積量的絕對值作為盲圖像分離的目標(biāo)函數(shù)，采用細(xì)菌趨藥性算法對這一目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，對原圖像的分離過程采用逐次提取的分離模

4、型，每次提取后從混合圖像中消去已分離出的源圖像成分，最終實(shí)現(xiàn)對所有源圖像的盲分離。實(shí)驗(yàn)結(jié)果表明，本方法能夠有效實(shí)現(xiàn)對多幅混合自然圖像的盲分離，并由分離圖像與源圖像之間的PSNR值和相關(guān)系數(shù)值可知，該方法具有較好的分離效果。
　　3．提出了一種基于搜索者優(yōu)化的運(yùn)動目標(biāo)檢測算法。算法將運(yùn)動目標(biāo)檢測問題轉(zhuǎn)化為盲圖像分離問題，采用獨(dú)立成分分析的方法進(jìn)行解決。將負(fù)熵作為盲圖像分離的目標(biāo)函數(shù)，利用搜索者優(yōu)化算法優(yōu)良的優(yōu)化求解能力對目標(biāo)函數(shù)進(jìn)行