·256· 智能系统学报 第3卷 包括克隆、变异和选择.记忆单元的进化采用多克隆 ×10 0.35 算子，包括克隆、变异、重组类似遗传算法中的交 ·GA -ICSA 叉操作)和选择.保留群体采用遗传算法中的随机 0.30叶 变异. ge4 2)克隆算子的改进.基本算法中根据个体的亲 0.20 和度确定克隆规模，文中根据个体亲和度的浓度克 隆个体，个体的浓度越低，群体的多样性越好，克隆 0.15 的规模也越大，这样既考虑了个体适应度的变化，也 0.10 50 100150 200 250 强调了个体之间的相互作用 优化代数 3)重组算子，重组操作在当前记忆单元和克隆 (a)spine-surf医学灰度图像 ×10 变异后的群体之间进行.与遗传算法中交叉不同，该 0.7 ....GA 操作避免近亲繁殖，有效保证记忆单元的多样性， ICSA 文中提出的CSA算法的具体实现过程如下 1)产生初始群体P,对应于层叠滤波器的初始 兹 正布尔函数： 图 0.4 2计算群体P的适应度即抗体抗原亲和度， m0.3 适应度的大小由目标函数即式(3)确定： 3)产生记忆单元M,初始迭代时，由群体P中 0.2 50 100 150 200 250 适应度值较低的n个体组成，在以后的迭代中，由更 优化代数 (b)peppers灰度图像 新保留群体P,和进化后的记忆群体产生： 4)对记忆单元采用多克隆算子进化，即克隆、 图1GA和℃SA的优化收敛曲线 变异、重组和选择，得到新的群体： Fig I Convergent curves under to optm izing algorithms 5)由新群体选出适应度较低的个个体组成进 化后的记忆群体M; 6)初次迭代，保留群体P,由群体中除记忆单元 外的个体组成，以后迭代过程中，对保留群体P,进 行随机变异，由变异后的优秀个体替代上一代个体， 得到更新群体P,: 7)满足迭代次数，输出适应度最低的个体作为 最优的正布尔函数进行滤波，否则返回3： (a)无噪spine-surf图 (b)含l0%噪声的spine-surf图 4 仿真结果 在Matlab环境下，分别以256X256pine-surf 医学灰度图像细节较少)和512512 peppers灰度 图像细节较少为样本图像，基于MAE准则采用 CSA对滤波窗尺寸为33的层叠滤波器进行优化 设计，并且比对了不同噪声概率条件下，采用GA算 (c)GA优化的滤波结果 (d)ICSA优化的滤波结果 法优化的层叠滤波器的滤波结果.当CS4算法参 图2样本图和滤波结果 数不同时，优化结果也不同.仿真实验证明，种群规 Fig 2 Training sample mages and filtering results 模为60，记忆单元个体为10.记忆单元变异概率为 Q005,保留群体变异概率为001时，算法找到的最 由图1中2种算法的收敛曲线可以看出，相对于 优个体的滤波效果最好 遗传算法，本文改进的克隆选择算法能够更快地找到 对加入10%椒盐噪声的pine~surf医学灰度图 令目标函数值最小的正布尔函数，即最优的层叠滤波 像和peppers灰度图像进行滤波处理，GA和CSA2 器.训练样本图像及2种算法优化的层叠滤波器的滤 种优化算法的收敛曲线如图1所示 波图像如图2、3所示，从中可以更直观的看出不同算 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net包括克隆、变异和选择. 记忆单元的进化采用多克隆 算子 ,包括克隆、变异、重组 (类似遗传算法中的交 叉操作 )和选择. 保留群体采用遗传算法中的随机 变异. 2)克隆算子的改进. 基本算法中根据个体的亲 和度确定克隆规模 ,文中根据个体亲和度的浓度克 隆个体 ,个体的浓度越低 ,群体的多样性越好 ,克隆 的规模也越大 ,这样既考虑了个体适应度的变化 ,也 强调了个体之间的相互作用. 3)重组算子. 重组操作在当前记忆单元和克隆 变异后的群体之间进行. 与遗传算法中交叉不同 ,该 操作避免近亲繁殖 ,有效保证记忆单元的多样性. 文中提出的 ICSA算法的具体实现过程如下 : 1)产生初始群体 P,对应于层叠滤波器的初始 正布尔函数; 2)计算群体 P的适应度即抗体 —抗原亲和度 , 适应度的大小由目标函数即式 (3)确定; 3)产生记忆单元 M ,初始迭代时 ,由群体 P中 适应度值较低的 n个体组成 ,在以后的迭代中 ,由更 新保留群体 Pr 3 和进化后的记忆群体 产生; 4)对记忆单元采用多克隆算子进化 ,即克隆、 变异、重组和选择 ,得到新的群体; 5)由新群体选出适应度较低的个个体组成进 化后的记忆群体 M 3 ; 6)初次迭代 ,保留群体 Pr由群体中除记忆单元 外的个体组成 ,以后迭代过程中 ,对保留群体 Pr 进 行随机变异 ,由变异后的优秀个体替代上一代个体 , 得到更新群体 Pr 3 ; 7)满足迭代次数 ,输出适应度最低的个体作为 最优的正布尔函数进行滤波 ,否则返回 3). 4 仿真结果 在 Matlab环境下 , 分别以 256 ×256 sp ine2surf 医学灰度图像 (细节较少 )和 512 ×512 peppers灰度 图像 (细节较少 )为样本图像 ,基于 MAE准则采用 ICSA对滤波窗尺寸为 3 ×3的层叠滤波器进行优化 设计 ,并且比对了不同噪声概率条件下 ,采用 GA算 法优化的层叠滤波器的滤波结果. 当 ICSA 算法参 数不同时 ,优化结果也不同. 仿真实验证明 ,种群规 模为 60,记忆单元个体为 10,记忆单元变异概率为 0. 005,保留群体变异概率为 0. 01时 ,算法找到的最 优个体的滤波效果最好. 对加入 10%椒盐噪声的 sp ine2surf医学灰度图 像和 peppers灰度图像进行滤波处理 , GA和 ICSA 2 种优化算法的收敛曲线如图 1所示. 图 1 GA和 ICSA的优化收敛曲线 Fig. 1 Convergent curves under two op timizing algorithm s 图 2 样本图和滤波结果 Fig. 2 Training samp le images and filtering results 由图 1中 2种算法的收敛曲线可以看出,相对于 遗传算法,本文改进的克隆选择算法能够更快地找到 令目标函数值最小的正布尔函数,即最优的层叠滤波 器. 训练样本图像及 2种算法优化的层叠滤波器的滤 波图像如图 2、3所示 ,从中可以更直观的看出不同算 ·256· 智 能 系 统 学 报 第 3卷 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net