基于自适应蛙跳算法的图像增强研究

针对图像增强的特点,提出自适应蛙跳算法。首先通过自适应调整惯性权重策略确定个体选择的概率,适应度值越小,被选择的概率越大;接着将青蛙位置差值来动态扰动群体,在较优族群内进行精细搜索,在较差族群内进行广泛搜索来加快找到全局最优解;最后采用非完全Beta函数来确定图像增强过程。实验仿真结果得出:该算法对图像增强具有清晰度高、抑制噪声能力强等特点。     

基于改进混合蛙跳算法的图像增强处理研究

针对图像增强的特点,提出改进混合蛙跳算法。首先对混合蛙跳的更新采用自适应的阈值选择策略,并对每只蛙的目标函数值赋予一定的概率分布,增加了得到更优蛙的机会;接着在混沌系统下,随机产生混沌序列,将混沌变量映射到优化变量的取值范围中,混合蛙跳可以遍历整个区间,这样得到群体最优位置;最后采用Beta函数实现图像增强。实验结果表明,此算法对图像增强效果明显,清晰度较高。     

基于量子概率统计的医学图像增强算法研究

 传统的医学图像增强算法存在对噪声敏感且易陷入欠增强或过增强等不足. 本文首先利用量子信号处理基本原理,定义了两种不同的像素量子比特表达形式;然后,针对医学图像的特点,结合3×3邻域像素灰度相关性,提出了一种基于量子概率统计的图像增强算子. 为了优化图像增强的效果,根据子采样图像信息熵自适应确定本算子的灰度阈值参数. 通过主观和客观评价,实验结果表明本文所提出的增强方法考虑了图像全局与局部信息,能更有效地提高医学图像质量.     

基于混沌蛙跳算法的图像增强处理

为了提高图像增强的视觉效果,采用混沌蛙跳算法。首先对蛙跳位置进行更新,利用Logistic方程产生混沌序列,把混沌变量映射为青蛙;接着在寻优过程中对停止寻优的青蛙施加扰动,并设置了扰动范围;最后利用非完全Beta函数来实现对输入图像的增强,给出了算法流程。实验仿真得出:本文算法与其他算法相比对增强图像细节表现更加清晰。     

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.     

量子禁忌搜索算法的研究

针对量子智能算法对高维函数的优化时存在容易陷入局部最优的问题,提出了量子禁忌搜索算法.在量子比特相位增量空间方面,提出了一种按指数级别下降并可动态循环调整的策略;在候选解相位邻域空间方面,提出了一种与禁忌表中最优解有关的可动态调整的划分方法,并增加了候选解局部优化处理方法.为了验证算法的有效性,在高维函数极值问题和多维背包问题进行了仿真,结果表明本文算法收敛速度快,求解精度高.     

量子二分检索算法及其实现线路

考虑到量子比特与经典比特的本质区别,提出了一种量子二分检索算法.利用量子并行处理和量子置换操作,给出了量子二分检索算法的线路实现.通过实例表明,相比于经典二分法检索算法,本文提出的算法方案可以大大减少操作时序,降低整个算法的完成时间,对量子线路在"退相干"时间内完成量子信息处理具有重要的应用价值.     

基于量子自适应粒子群优化径向基函数神经网络的网络流量预测

该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF 神经网络法、混合粒子群-RBF 神经网络法和自适应粒子群-RBF 神经网络法,并且预测效果不易受时间尺度变化的影响。     

基于改进SFLA-PF算法的OFDM系统的目标跟踪

在OFDM通信系统中,为了解决非线性的目标跟踪问题,提出了基于改进混合蛙跳算法(SFLA)和粒子滤波算法(PF)相结合的方法来研究动态目标跟踪技术.首先利用高斯变异的局部搜索能力强和柯西变异的全局搜索能力强等优点对混合蛙跳算法进行改进,然后用改进后的混合蛙跳算法来优化粒子滤波算法进行动态跟踪,其优点不需要重采样步骤,有效地保持了粒子的多样性和有效性.仿真结果表明,该算法能够有效实现动态目标跟踪,并且跟踪效果优于同等条件下的混合蛙跳算法和粒子滤波算法.     

基于矩阵初等变换的四量子比特可逆电路综合算法

 量子可逆电路实现信息变换的过程可用一个酉矩阵算子表示,采用酉矩阵表示量子可逆电路能更好地反映量子系统的演化,体现量子计算所特有的属性.本文提出基于矩阵初等变换的4量子比特可逆电路综合算法.该算法恰当地利用量子电路的矩阵表示及变换和邻接矩阵的电路转化规则,总能以较小的量子代价综合出任意给定置换的4量子比特可逆逻辑电路.     

海面红外图像的动态范围压缩及细节增强

动态范围压缩和细节增强是红外图像处理的两个重要课题。为了将高动态海面背景红外图像清晰显示,提出一种高动态范围压缩及细节增强算法。首先,通过基于梯度边缘信息的多方向拉普拉斯增强方法,将梯度图像平滑处理,并与多方向拉普拉斯滤波相乘,实现高动态范围图像的细节增强;然后统计增强后图像的动态广义直方图信息;最后采用灰度级分组的方法构造映射函数,将高动态范围压缩到8 bits,输出可清晰显示的红外图像。对大量海面背景红外图像进行实验分析,结果表明,该算法提高了图像的对比度,有效增强了舰船目标细节,同时抑制了海面背景噪声的放大和光晕现象的产生,最终获得较好的输出图像。     

基于量子遗传算法的量子细胞自动机仿真方法

利用遗传算法对基于半经典模型的量子细胞自动机进行仿真时,通常会遇到多个极值,容易陷入局部最优。为将量子遗传算法用于量子细胞自动机仿真,对量子遗传算法进行改进,将二进制量子位改为多进制量子位,重新设计了量子旋转门的调整策略,并给出了具体实现步骤。通过对测试函数寻优和量子细胞自动机电路的仿真,结果表明,改进后的量子遗传算法平均误差低,不易陷入局部极值,收敛速度较快,适用于量子细胞自动机仿真。     

基于蛙跳算法的模糊图像复原

针对模糊图像复原的特点,提出蛙跳算法。首先按青蛙适应度值从大到小降序排序,控制种群移动步长对子群中最差青蛙的位置进行更新;接着通过模糊运动图像模型构造矩阵函数对图像复原,将蛙跳步长与模糊图像抑制比建立关系,同时给出评价指标体系以及算法流程。实验仿真结果证明,蛙跳算法具有对模糊图像复原清晰度高、抑制噪声能力强的特点。     

基于改进量子粒子群的红外图像增强算法

为了提高红外图像增强的效果,采用改进量子粒子群算法。首先构造粒子群多层空间结构,粒子运行空间划分为主层空间、次层空间,粒子信息交流通过主层空间、次层空间分别进行,交流过程受自身信息度因子和交流度因子影响;接着量子旋转门更新通过镜像门操作,梯度方法自适应调整量子门的旋转角度,提高了算法性能;最后将红外图像高频分量和低频分量分离,对其分别进行增强。实验仿真显示本文算法对红外图像增强结果相比其他算法较清晰,优质系数评价指标相比HE、NSCT、MSR、PSO、RSQS算法分别提高了43.60、36.52、25.60、19.24、12.14,对比度指标相比HE、NSCT、MSR、PSO、RSQS算法分别提高了27.99、20.70、15.28、13.97、10.85,性能指标较优。     

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。     

FLIR公司热成像细节增强DDE技术的分析

对FLIR公司数字细节增强技术(DDE)进行了分析,认为该技术的处理结果之所以能够清晰显示不同温度背景下的细节信息,源于其对原始14 bits红外图像全局大动态场景信息的合理压缩以及局部小动态温差细节的保留和提升,最终能够在8 bits图像中保留对整体场景有效感知的同时,突出图像可能的目标场景细节信息.并以此为思路,进行了一个热图像动态压缩和细节增强处理实验,相对以往的AGC方法,取得了较好的动态压缩和细节增强效果.     

基于量子克隆多宇宙算法的图像融合研究

针对量子化算法对图像融合的缺点,提出量子克隆多宇宙算法。首先对量子克隆、变异和选择变换获得新的量子群,然后将宇宙各自独立化并且内部为并行拓朴结构,采用量子旋转门更新量子宇宙个体,宇宙之间联合交叉,实现信息的交流,最后给出了图像融合流程。实验结果表明,该方法能够更加有效、准确地融合图像中的特征,是一种有效可行的图像处理算法。     

非可逆逻辑门的量子可逆实现研究

逻辑关系可用逻辑函数表示,量子逻辑关系是可逆的,引入和定义了量子逻辑函数;通过引入辅助量子位,增添量子输出信号的区分位,完成对非可逆逻辑门的改造,使非可逆逻辑门在量子电路中得到可逆实现,并研究了一些有用的非可逆逻辑门的改造方法,给出可实现的优化后的量子电路。