粗糙自适应遗传算法在图像恢复中的应用

粗糙自适应遗传算法在图像恢复中的应用

李丽娟，阳 琼

【摘 要】摘 要:针对简单遗传算法(SGA)在图像恢复应用中寻求匹配近似解时，存在匹配度低及匹配值差异较大，导致很难得到所需近似解的问题，设计了一种新的图像恢复方法。该方法采用的方案是将简单遗传算法与粗糙自适应算法相结合，按照匹配数值对SGA在其搜索解空间所得匹配近似解进行明暗标记分类，然后按照粗糙自适应模型进行相应地分类处理，以增强图像恢复算法的鲁棒性。通过与逆滤波、维纳滤波和简单遗传算法的对比实验表明，粗糙自适应遗传算法(RAGA)能更好地保留图像边缘及提高峰值信噪比值。 【期刊名称】计算机应用 【年(卷),期】2011(031)005 【总页数】3

【关键词】关键词:粗糙自适应模型;遗传算法;算子优化;图像恢复;适应度函数 目前已提出的典型图像恢复方法如逆滤波恢复方法、维纳滤波方法及最大熵恢复方法等，大都需要假设退化图像既满足广义平稳条件，又满足正约束条件，大大限制了其实际应用效果。遗传算法(Genetic Algorithm，GA)是一种抽象于生物进化过程的优化算法，依据自然选择和生物遗传机制，在具体操作过程中没有过多约束。同时其将要解决的问题视为一个随机环境，再从该环境中随机产生出个体来构成群体，其优化的过程就是群体繁衍、变异、遗传的指导性过程，因而可保证搜索过程向更优化的方向发展［1－2］。

遗传算法又是一种智能信息处理的全局优化搜索算法，能有效地适应图像处理中的非线性本质，解决图像恢复中的非线性难题，因此可以在复杂的非线性多