基于混沌遗传算法的图像恢复技术

遗传算法是一种模拟生物选择、进化过程的随机、并行搜索算法。本文利用图像恢复的数学模型，采用嵌入混沌序列生成初始种群的遗传算法对退化图像进行恢复，可以有效的解决逆滤波复原算法中存在的恢复后图像的精确度不足等缺点，有较好的恢复效果。同时为了解决遗传算法局部收敛和收敛速度慢的问题，本文算法中又引入了混沌优化机制：     

基于混沌映射的图像置乱算法

混沌映射具有对初始条件的敏感性、良好的随机性、相关性和复杂性等特性.基于此提出了一种快速、安全的图像混沌置乱算法,实验表明,该算法达到了很好的效果.尤其在大型图像数据库的应用中,该算法在保证安全性的前提下,能在极短的时间内对大量图像进行置乱与恢复.     

基于改进遗传算法的图像恢复方法

通过对遗传算法在进行图像恢复时存在的早熟现象的研究,指出了在图像恢复中早熟现象产生的原因是种群多样性的迅速减少引起的.针对应用遗传算法进行图像恢复时存在的局限性,提出了一种改进的遗传算法.该算法通过加入随机种群弥补种群中减少的多样性,通过改进变异算予使算法加速向最优解收敛.实验结果表明,该算法不论以峰值信噪比为标准,还是以人的主观感觉判断,都明显优于简单遗传算法.而且,该方法能较好地抑制早熟现象,恢复效果对图像的模糊程度依赖性小,可以恢复严重模糊的图像.     

基于混沌遗传算法的二维最大熵图像分割

研究了基于二维最大熵的图像分割算法,针对基于二维最大熵的图像分割算法存在的计算复杂度高、计算时间长等问题,提出了一种基于混沌遗传算法的二维最大熵算法.该方法利用类似载波的方法将混沌序列映射至双阈值的二维空间,之后利用混沌遗传算法搜索最佳阈值进行图像分割.实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了有效的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大提高了计算速度,是一种实用有效的图像分割方法.     

基于遗传算法的二维最大类间方差图像分割算法

为解决传统二维最大类间方差(Otsu)阈值分割算法处理图像时计算复杂度高、实时性差、易受噪声干扰等问题,本文将遗传算法应用到二维Otsu法中,提出一种基于遗传算法的最大类间方差法的灰度图像分割算法.二维Otsu算法考虑了图像的灰度信息及邻域空间的相关信息,以保证图像分割的精度;利用遗传算法则能提高运算速度.因此,基于遗传算法的最大类间方差法的灰度图像分割算法兼有二者优点,不仅提高运算速度而且能保证图像分割精度.     

基于DCT和混沌的图像隐藏技术

提出一种基于DCT和混沌的图像隐藏算法. 首先利用混沌系统产生混沌序列对秘密图像进行加密, 然后利用DCT变换与混沌序列把秘密图像隐藏到载体图像中. 实验结果表明,该算法具有良好的安全性和隐藏效果.     

基于混沌遗传算法的二维最大熵图像分割

研究了基于二维最大熵的图像分割算法,针对基于二维最大熵的图像分割算法存在的计算复杂度高、计算时间长等问题,提出了一种基于混沌遗传算法的二维最大熵算法。该方法利用类似载波的方法将混沌序列映射至双阈值的二维空间,之后利用混沌遗传算法搜索最佳阈值进行图像分割。实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了有效的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大提高了计算速度,是一种实用有效的图像分割方法。     

基于小波变换的用于医学图像的半脆弱水印算法

针对医学图像的特殊性,提出了一种应用于医学的半脆弱水印算法.原始图像的次低位和最低位分别嵌入恢复水印和认证水印.原始图像的高6位进行小波变换,低频系数经量化和混沌置乱后生成恢复水印,将其嵌入到图像的次低位.小容量信息嵌入到原始图像的最低位,生成认证水印.实验结果表明该算法可以准确定位原始图像被篡改的位置,并能对内容被篡改的区域进行恢复.算法中的认证水印能够对医学图像进行有效地认证.该算法能够较好地满足医学图像特殊性的要求.     

基于混沌的图像自恢复安全双水印算法

为提高图像自恢复双水印算法的安全性,提出一种基于混沌的安全双水印算法。该算法首先利用混沌映射将双水印信息加密后再嵌入其他图像块的低位,然后结合图像块内容和嵌入在图像块低位的恢复水印信息,利用混沌映射随机生成用于检测图像块真实性的认证数据。理论分析和实验结果表明该算法在保持篡改恢复质量和不可见性的基础上,有效提高了自恢复双水印算法抵抗内容篡改攻击和字典搜索攻击的能力。     

一种应用遗传算法的彩色图像分割方法

遗传算法在复杂大空间搜索近似最优值有着很好的效果,利用遗传算法的优势,应用其解决图像分割问题.图像分割中,区域间差别度和区域内相似度是评价图像分割的重要因素,用遗传算法优化图像区域间差别和区域内相对相似度,获得高质量的图像分割结果.为了提高算法效率,采用贪心方法进行图像预处理,以及最小生成树初始化来减小算法的规模和搜索空间.实验证明采用遗传算法在图像分割问题可取得有效的结果.     

基于混沌遗传算法的组播路由优化研究?

在采用混沌遗传算法优化多目标QoS组播路由时,为克服Logistic映射收敛速度不快,而使传统混沌遗传算法优化效果不好的缺陷,将Tent混沌遗传算法引入QoS组播路由问题的求解中。该算法利用Tent混沌映射优越的区间均匀搜索能力,对通过遗传优选出的个体再次进行混沌优化,优化出适应度最高的个体进行交叉变异,从而保证足够多的下一代,以致算法不会陷入早熟。仿真结果表明,该算法优于Logistic混沌遗传算法,有效地改进了搜索效率,且收敛速度更快、更稳定。     

基于混沌遗传算法的区域交通计算机控制配时优化

充分发挥混沌理论和遗传算法各自的优势,开发了混沌遗传算法,混沌遗传算法能有效地改进遗传算法的收敛速度慢、早熟收敛和有可能陷入局部最优点的缺陷。分析了城市交通这个复杂大系统的混沌性,并将混沌遗传算法成功应用于城市区域交通计算机控制信号配时优化。采用TSIS5.1进行了仿真,仿真结果表明:混沌遗传算法比遗传算法的收敛速度大大加快,且车辆平均延误和平均停车率都比遗传算法和固定周期法有明显的降低。     

基于混沌免疫遗传优化的粒子滤波重采样

针对粒子滤波算法中粒子多样性退化问题,提出一种利用混沌免疫遗传算法进行重采样的粒子滤波改进方法。该算法利用混沌的局部寻优加快搜索速度;通过免疫原理的浓度计算及加入新的混沌序列来增加种群的多样性,提高全局搜索能力,避免早熟收敛。实验结果表明该方法与基于免疫遗传算法的重采样相比较,具有更好的全局寻优能力和更快的收敛速度。     

Gesture Recognition Based on BP Neural Network Improved by Chaotic Genetic Algorithm

Aim at the defects of easy to fall into the local minimum point and the low convergence speed of back propagation (BP) neural network in the gesture recognition, a new method that combines the chaos algorithm with the genetic algorithm (CGA) is proposed. According to the ergodicity of chaos algorithm and global convergence of genetic algorithm, the basic idea of this paper is to encode the weights and thresholds of BP neural network and obtain a general optimal solution with genetic algorithm, and then the general optimal solution is optimized to the accurate optimal solution by adding chaotic disturbance. The optimal results of the chaotic genetic algorithm are used as the initial weights and thresholds of the BP neural network to recognize the gesture. Simulation and experimental results show that the realtime performance and accuracy of the gesture recognition are greatly improved with CGA.     

医学内窥镜图象的遗传恢复算法

遗传算法是一种软计算方法,它作为一种新的全局优化搜索算法用于图象处理,是一种具有发展潜力的智能信息处理方法,对于利用遗传算法处理灰度图象来说,由于其数据量和计算量很大,并且传统遗传算法存在“过早收敛”的问题,使得图象恢复质量不理想。该文针对医学内窥镜摄取的图象纹理和病灶特征,设计了一种新的二维染色体编码方法,并将模拟退火和遗传算法相结合的算法引入灰度图象恢复处理过程中的遗传操作,实验结果表明,该方     

改进的混沌遗传算法及其应用

针对多目标干扰多参数波形优化设计问题中需考虑参数过多、高维等问题,给出一种基于实数编码的改进混沌遗传算法。引入An混沌随机数生成器以提高混沌序列的均匀性和随机性,提出将遗传操作中交叉得到的优秀个体与新群体竞争,提高收敛速度。改进后,混沌遗传算法的收敛性和全局搜索能力都有所提高,通过仿真证明了该算法的有效性和正确性。     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上, 提出了一种新的遗传混沌优化组合方法. 该算法能克服混沌优化在大范围内失效的缺点, 并能提高遗传算法的局部搜索能力和搜索精度. 同时证明该算法能以概率 1收敛到全局最优值. 应用该方法对 6个测试函数进行优化计算得到了比较满意的结果.     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上,提出了一种新的遗传混沌优化组合方法.该算法能克服混沌优化在大范围内失效的缺点,并能提高遗传算法的局部搜索能力和搜索精度.同时证明该算法能以概率1收敛到全局最优值.应用该方法对6个测试函数进行优化计算得到了比较满意的结果.     

基于混沌遗传算法的雷达/干扰机共享信号设计

雷达/干扰机共享信号的波形设计是电子战中实现雷达/干扰机作战系统能量共享的关键。针对共享信号的性能设计问题,提出了一种新型的混合混沌遗传优化算法。采用改进的tent混沌系统初始化种群,将混沌特性嵌入到自适应遗传算法的循环体中,分别设计分段混沌交叉算子和退化混沌变异算子,避免了搜索过程陷入局部极值的陷阱而快速收敛于全局最优解。通过实验证明,该方法能够较快地搜索到优化问题的最优解,验证了混沌遗传算法对雷达/干扰机共享信号优化问题的有效性。