基于差分进化算法的查找表逆半调模板选择

为提高图像逆半调技术中传统查找表法的模板对逆半调图像的质量和效果,提出了一种基于差分进化算法求取图像逆半调技术中查找表最优模板选择的方法。实验表明本文方法寻得的模板具有全局最优性,求得的最佳模板与其它算法相同,但是在收敛速度方面优于其它全局搜索算法。     

基于LUT的逆半调改进算法

针对误差分散类半调图像,提出了一种基于查找表的逆半调改进算法。并用实验方法分析了训练样本大小、所选LUT模板与空值率之间的关系,且对LUT逆半调建表阶段出现空值时所采用的空值估计方法进行了改进;针对图像客观评价方法,提出一种寻找最高峰值信噪比的LUT模板选择算法。实验结果表明,利用所提出的优化LUT算法恢复的逆半调图像在人眼视觉以及峰值信噪比上有明显的提升。     

基于色彩分类的查找表图像逆半调方法

将灰度图像的查找表逆半调算法扩展到彩色图像的逆半调,虽然考虑了彩色图像中三通道的色彩相关性,但简单地以半调值为索引值向映射表中添加连续值,不仅使映射表中的数据不够真实,也使得逆半调图像质量受半调噪声影响而降低。为此,提出一种色彩分类存储的查找表彩色图像逆半调方法,它首先从连续图到半调图对像素值进行色彩配比,然后判断配比值：若两值的色彩配比值相等或相近,则以半调值为索引,将连续值存入查找映射表中;若不相近,则将该值存入一个替补表中,作为查找表估值的依据。实验证明,色彩分类的查找表图像逆半调效果图的视觉效果比查找表彩色图像逆半调效果图的好,且其峰值信噪比、色彩还原程度、色彩倾向值均高于查找表方法所得值。     

基于自适应中值滤波的逆半调算法

针对误差分散半调图像,提出了一种基于自适应中值滤波的逆半调算法。该算法是在传统低通滤波逆半调算法基础上进行改进,先用一个大小为11×11、方差为1.3的高斯低通滤波器对半调图像A进行平滑处理,利用自适应中值滤波器得到图像B,在平滑非脉冲噪声的同时试图保留细节;然后通过带通滤波器得到图像B的边缘,并对边缘进行去噪增强处理,得到边缘图像F;最后把处理后的边缘图像F以一定的增益倍数与图像B进行线性相加,得到最终逆半调图像。试验结果表明,该算法在进行图像平滑的同时有效地保留了图像细节,处理后的图像的峰值信噪比比传统低通滤波方法高,图像的信息熵也有了提高。     

基于中值金字塔变换的图像逆半调

针对误差分散半调的系统特征，构建了一种基于非线性中值算子的多分辨金字塔变换．研究了变换后各级近似、细节信号中半调噪声的分布特性和消噪方法．提出了一种用wiener滤波抑制一级细节中半调噪声，并用消噪后的细节与近似信号重构连续色调图像的逆半调算法．实验结果表明．该变换具有较好的信噪分离能力，比线性多尺度变换更适合于逆半调．新逆半调算法的时空间复杂度较低．其结果的峰值信噪比值及去噪保沿效果良好．     

基于图像融合模型的矢量逆半调算法

针对矢量误差分散半调图提出了一种彩色逆半调算法。首先,分析了基于矩阵增益模型的误差分散系统,发现矢量逆半调问题可等效为相关性高频噪声的抑制问题;然后利用K-L变换去除相关性并基于Laplacian金字塔构造图像融合模型,该模型能将未知特性的高频噪声转化为易处理的脉冲噪声;最后使用维纳滤波器和中值滤波器去噪。实验表明,该算法能克服色偏,减少杂色,较准确地再现连续色调图像,逆半调图像的峰值信噪比传统算法提高2~3dB。     

一种自适应误差分散逆半调算法

针对误差分散类半调图,提出一种基于Laplacian(L)金字塔的自适应逆半调算法.通过研究半调噪声与误差分散核(半调核)的关系,引入噪声粒度反映不同半调核的影响;采用分治策略,利用L金字塔变换提取含噪高频,采用融合技术将半调噪声转化为易于处理的脉冲噪声,使用维纳滤波器和中值滤波器去噪.实验证明,该算法能自适应选择阈值,具有保图像边缘清晰、时空复杂度较低、峰值信噪比高等特点.     

基于遗传模拟退火算法的改进K-medoids算法

针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。     

基于改进模拟退火算法的配电网无功优化方法

采用改进的模拟退火优化算法对配电网进行无功优化计算,针对配电网无功优化问题建立优化计算的数学模型。以调节无功补偿容量、补偿点分布、变压器分接头位置为手段,实现无功优化目的。对实际配电网优化计算结果表明,该方法可有效降低系统网损,保证各节点电压稳定,提高电力系统运行的安全性和经济性。     

模拟退火算法及其改进

借鉴遗传算法中的非均匀变异思想,用非均匀变异策略对当前模型扰动产生新的模型,对传统的模拟退火算法提出了改进,通过多峰值函数数值优化测试结果表明,该算法在高温的时候能够进行大范围的搜索,随着温度的降低,逐渐缩小解的搜索范围,大大加快了收敛速度,证实了该改进算法的有效性和高效性。     

单纯形—模拟退火算法

在简要介绍单纯形法基础上,针对模拟退火算法存在收敛慢、费机时较多的缺陷,将单纯形法与模拟退火算法有机地结合起来,形成一种新的改进造型的优化算法－单纯形－模拟退火算法,以加快速敛速度,提高解的质量,是单纯形法与模拟退火算法各自特点的综合,并通过算例进行了验证。     

一种改进的模拟退火图像盲复原算法

通过分析均匀分布与Cauchy分布的分布机制,提出了一种改进的模拟退火图像盲复原算法,该算法选择Cauchy分布为随机扰动量来产生状态扰动函数。通过计算机仿真,验证了该算法对初值的鲁棒性和复原的效果优于基于均匀分布随机扰动量模拟退火盲解卷积算法,提高了收敛到最优解的速度。     

基于模拟退火算法的电源规划

针对电源规划最优方案设计问题,利用模拟退火算法和等微增率模型对优化目标进行了合理探讨。为了取得经济上的正确评价,将不同时刻的资金折算为同一时刻的资金进行了比较。在系统峰值负荷增长30%等条件下规划增装机组的类型和数量,使用模拟退火算法经过多次计算得出一组较优解。为了得到典型日第12 h和第24 h现有系统各机组的最优负荷分配方案,利用等微增率模型进行求解,并采用模拟退火算法提高数据的精度,最终实现了电源规划方案的优化。     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

基于SA算法的k-means聚类算法的改进

传统的k-means聚类算法常陷入局部最优,需要事先输入聚类数,这样会造成原有算法失效或聚类结果不准确.在研究现有聚类算法的基础上,使用ε-最近邻法剔除孤立点,提出一种改进的基于模拟退火算法的、具有自适应功能的k-means聚类算法.实验结果证明,提出的算法是可行的、有效的.