基于多宇宙量子算法的图像融合处理

针对图像融合中量子算法存在的缺点,提出多宇宙并行算法。首先通过量子比特编码来确定宇宙中的个体;接着把量子群分成若干个独立的宇宙,宇宙内部为并行拓朴结构,采用量子旋转门更新量子宇宙个体,通过自适应比例产生不同压力来对量子宇宙之间进行信息交换;最后对图像融合处理包括高、低频部分以及评价指标的建立。实验结果表明本文算法融合结果清晰、处理速度快。     

基于多宇宙并行量子遗传算法的多传感器图像融合方法

采用基于对比度视觉模型的图像融合最优分块搜索算法,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究.针对该算法在图像较大时融合的计算量大,耗时长,难以进行快速、实时融合等缺点,通过分析该算法固有的时间复杂性和并行性,提出了一种基于多宇宙并行量子遗传算法和对比度视觉模型的多传感器图像融合方法.实验表明,该方法融合计算速度快,并行性能理想.     

基于量子比特编码算法的图像盲复原重建研究

为了提高图像盲复原质量,提出了量子比特编码算法。首先在免疫系统中的对量子克隆选择,并且对量子抗体克隆比例控制;然后量子抗体随机赋值,使抗体都以随机概率处于所有可能状态的线性叠加态中,以量子态进行观测,将得到确定的某一个二进制;接着建立图像盲复原重建模型,量子编码卷积算法来填充空洞像素;最后给出了算法流程。实验仿真显示该算法对图像盲复原重建清晰,画质好,全图最大局域误差最小,结构相似度接近于1。     

基于改进QACA的无人机集群任务分配算法

针对无人机集群多目标任务分配问题，提出在量子蚁群算法(QACA)基础上，融合克隆选择算法的交叉和克隆复制因子来提高算法的全局搜索能力，避免搜索过程陷入早熟收敛问题，然后利用量子蚁群算法快速搜索。仿真结果表明，该算法是求解无人机集群多目标任务分配的一种有效算法。     

基于量子克隆优化的SAR图像分类

将量子交叉操作引入人工免疫系统中的克隆选择优化,提出了一种用于解决SAR图像分类问题的量子克隆优化算法,基于Markov理论证明了其收敛性.新算法采用克隆选择操作同时在同一抗体周围的多个方向进行搜索,通过在各个子群体间采用量子交叉算子增强抗体间的信息交换,有效地克服了早熟现象.对X波段和Ku波段SAR图像的分类实验表明,与模糊C均值算法、K近邻算法和克隆选择算法相比,新算法的平均分类精度分别提高了13.57、11.79和5.79个百分点,而且新算法的鲁棒性也明显优于其他三种方法.     

基于神经网络的畸变图像校正方法研究

基于神经网络的畸变图像校正方法与传统畸变图像校正方法相比,降低了构建模型的难度.因此,文章对基于神经网络的畸变图像校正方法进行重点研究,首先在量子遗传法中引入免疫学中的克隆选择算法,然后将其与BP算法进行结合,发挥二者的融合优势,以满足畸变图像校正的需求,实验结果表明,这种方法的应用效果十分显著.     

基于QPSO和统计特征的红外与可见光图像融合

为解决红外图像与可见光图像融合中融合图像质量不高问题,提出了一种结合量子粒子群优化和邻域统计的图像融合方法。红外和可见光源图像经过多尺度分解成为低频和高频子带。对低频子带,采用系数加权平均的融合策略,并通过量子粒子群优化方法搜索最优的融合权值;对于高频子带,采用受邻域统计信息调制的系数比较取大融合策略,通过逆变换重构图像得到融合结果。实验结果表明该算法能够很好地将红外图像与可见光图像进行融合,且融合效果优于其它一些算法。     

量子免疫克隆多目标优化算法

该文基于免疫系统的免疫优势概念和抗体克隆选择学说,采用量子位编码,提出了一种量子免疫克隆多目标优化算法,并对算法进行了理论分析;与RWGA、SPEA和MISA等算法的比较表明,该算法对低维多目标优化问题更有效。     

基于量子免疫克隆聚类的SAR图像变化检测

传统的基于进化聚类方法在处理变化检测时耗时过长,在搜索最优聚类中心过程中容易陷入局部最优,对于SAR图像的变化检测存在边缘定位不够准确的缺点,提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息,通过量子比特定义聚类中心,通过量子免疫克隆算法来搜索最优聚类中心,从而得到更佳的全局阈值,最后根据...     

多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法,并从理论上证明了算法的全局收敛性.算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体,称为宇宙;采用多状态基因量子比特编码方式来表达宇宙中的个体;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;采用量子非门实现量子变异以阻止早熟收敛;各宇宙独立演化,宇宙之间采用最佳移民和量子交叉操作来交换信息,提高算法的执行效率.将该算法与独立分量分析算法相结合,提出一种盲源分离新方法.仿真结果表明:新方法比采用常规遗传算法和量子遗传算法的盲源分离方法具有明显的高效性.     

基于多链球型结构宇宙算法的番茄表面缺陷分割

为了改善番茄表面缺陷分割的效果，采用多链球型结构宇宙算法。首先建立多链球型宇宙拓扑结构，每个宇宙体只能、最多与周围的3个宇宙体进行信息交流，以保持该宇宙出入流平衡；通过最优阈值分割番茄缺陷图像，使用一个分离元素作为结束图像分割的停止条件；最后给出了算法流程。实验仿真显示，本文算法对番茄图像表面缺陷分割结果清晰，对各类缺陷的正确分割率比较高。     

NSST域内结合UDWT与PCNN医学图像融合算法

为了进一步突出医学融合图像的细节信息,提升 清晰度,本文提出NSST域内结合UDWT与PCNN医学图 像融合算法。首先,将两幅源图像分别通过NSST 进行分解,获得相应的低频和高频子带。 在低频融合规则中, 采用UDWT将低频子带进一步分解为能量子带与细节子带,进一步利用PCNN融合这两幅源图 像对应的低频能量 子带;利用区域能量和融合这两幅源图像的低频细节子带,再应用逆UDWT融合低频细节子 带和能量子带。其次, 在高频融合规则中,采取UDWT分别将A和B两幅源图像对应的高频子带进一步分解为高频 能量子带与高频细节 子带,再根据拉普拉斯能量和与区域能量和的组合,获取融合后的高频子带。最后,利用逆 NSST获取融合图像。 实验证明,本文提出的算法与现有主流算法相比,实验结果在视觉效果和客观指标方面均具 有较大优势。     

基于边缘信息的图像融合算法研究

为了得到全局色调一致的无缝镶嵌融合图像，文章提出了一种基于边缘信息的图像融合方法。该方法根据融合区域的边缘强度信息，对融合区域进行图像增强处理，进而选取一组区域特征进行自适应动态加权，实现了不同图像在选定区域范围内的融合运算，使得被合成的图像完整、自然。通过两幅图像的融合实验，证明了该算法在边缘上保持良好的视觉效果。     

基于克隆粒子群算法的图像分割方法

最大熵阈值法是目前图像分割中应用最广泛的方法之一。为了快速准确地自动确定图像分割阈值,把克隆选择算法和粒子群算法相结合,提出克隆粒子群优化算法。利用这种改进方法对最大熵图像分割函数进行全局寻优。克隆选择算法和粒子群算法的结合克服了各自的缺点,克隆选择的多样性补偿了粒子群的多样性差的缺点,粒子群的快速性补偿了克隆选择的收敛速度慢的缺点。克隆粒子群方法克服了传统遗传算法易出现早熟、陷入局部最优等的问题,加快了图像分割函数收敛速度,最后能够快速准确地得到图像分割的最佳阈值。实验表明,改进后的算法分割速度较快,易于收敛到最优解,并且得到的分割阈值更加稳定。     

基于改进PCNN的压缩感知域图像融合

() （）基金项目：。摘要：提出了一种压缩感知域基于改进PCNN的图像融合算法。根据压缩采样得到待融合图像的压缩观测值,建立改进PCNN模型,即利用压缩观测值的物理意义对PCNN中连接系数,加权矩阵和特征参数进行自适应设定。并将压缩观测值作为改进PCNN神经元输入获取点火映射图作为融合算子,对源图像观测值融合后进行重构得到融合图像。实验结果表明,该算法克服现有压缩感知图像融合算法细节丢失的缺陷,主客观评价优于现有压缩感知图像融合算法。     

多小波变换在夜视图像融合算法中的应用

从微光图像和红外图像的特点出发,提出了一种基于多小波变换的夜视图像融合算法.该方法先对夜视图像进行多小波变换得到各子带的多小波系数,其低频系数采用自适应加权融合算子进行融合,高频系数先进行阈值去噪和子带增强,再采用基于频带方向的融合算子进行融合,经多小波逆变换后得到融合图像.实验结果表明,本文算法与单小波融合算法、传统融合算法相比,得到的图像能更好地突出图像的边缘特征,增强图像的可视性和清晰度,并在信息熵、峰值信噪比等客观性能指标上取得了显著的改善.     

一种基于稀疏表示的红外与微光图像的融合方法

根据人类视觉系统及信号的过完备稀疏表示理论,提出了一种基于稀疏表示的红外与微光图像融合算法。该方法首先把图像分割成部分重叠的图像块,由正交匹配追踪算法完成图像块的稀疏分解;然后采用最大值融合准则选择融合系数并完成图像块的重构,得到融合结果图像。实验结果表明,本文算法的融合效果优于小波变换法、Laplacian塔型方法以及PCA方法等传统融合方法。     

一种新的NSCT图像融合算法研究

针对传统NSCT图像融合算法考虑方向的信息完成的缺点,文章提出了新的NSCT 图像融合算法。该算法是基于方向区域的,通过对源图像的分解可以得到各个方向的高低频子带,根据不同分解层的方向的特性对高低频系数按方向区域能量融合,再经过反变换得到最终的融合图像。此算法在体现出各源图像细节特征的同时还很好的保留了边缘等很多有用的信息。测试结果表明,此算法和传统的NSCT图像融合算法相比,融合效果更好。