正在加载图片...
第3期 赵春晖,等:改进克隆选择算法的层叠滤波器的优化设计 ·257 法设计的最优层叠滤波器的滤波效果 效果相对较差.在噪声污染较小的情况下,CS4算 法优化的层叠滤波器的去除噪声和细节保持的性能 较为平衡」 5结束语 克隆算子的操作过程实际上是在点a的邻域 内,提供了多个不同的局部搜索方向,最后由克隆选 (a)无噪peppers图 (b)含10%噪声peppers图 择选取候选解邻域内的局部最优,同时实现全局搜 索与局部搜索.在此基础上改进的克隆算子既考虑 到个体亲和度的变化也考虑了个体间的相互作用, 更接近现实系统,重组算子促进抗体间信息的交流, 有利于增加种群多样性,提高种群的收敛速度.在 MAE准则下,提出了一种改进的克隆选择算法对层 叠滤波器进行优化设计.在MATLAB环境下,以 256256Lena灰度图像和512512云灰度图像为 (c)GA优化的滤波结果 (d)ICSA优化的滤波结果 样本图像,仿真实现了窗口尺寸为33的最优层叠 图3 Pepperst样本图和滤波结果 滤波器,并比对了不同噪声概率下3种算法优化的 Fig 3 Peppers training sample mages and filtering re- 层叠滤波器.改进算法优化的层叠滤波器对图像高 sults 频分量的处理效果较好 为了更好说明基于CS4优化的层叠滤波器的 参考文献: 性能,表1给出了GA优化设计的层叠滤波器(GA [1]De CASTRO L N,Von ZUBEN F J.The cbnal selection al stack filter,,GASF),CS优化设计的层叠滤波器 rithm with engineering applications [C]//Proc of GECCO (cbnal selection algorithm stack filter.CSASF)C- 00,Las Vegas,USA,2000:36-37 [2浏若辰.免疫克隆策略算法及其应用研究[D]西安:西 SA优化设计的层叠滤波器(CSA stack filter,.C- 安电子科技大学,2005 S4SF)分别在5%、10%及15%噪声概率下滤波处 L U Ruochen mmunity clnal strategy algorithm and the 理后期望图像与重建图像间的MAE和MSE值 app lication [D ]Xi'an:Xidian University,2005. 表1不同噪声概率下3种优化算法设计的滤波器的滤波 [3 ]ADNAN A.Cnal selection algprithm with operator multi- 误差 plicity [J].IEEE Transactons on Evolutionary Computa- Tablel Filterng errors under different noise probability ton,2004,2(2):1909-1915. by three opti izng a lor ithm s [4沈艳军,汪秉文.基于实数编码的克隆选择算法及其应 用[J]华中科技大学学报,2004,32(2):4142 sp ine-surf 噪声概率 peppers 滤波器 SHEN Yanjun,WANG B ingwen Cbnal selection algorithm MAE MSE MAE MSE and the application based on real number coding [J]Jour P=005 GASF 22655585 2195 2523 nal of Huazhong University of Science and Technobgy, CSASF 2 237 5530 1644 2464 2004,32(2):41-42 CSAF 1 189 5625 1214 29.89 [5 ]LEEW L,FAN K C,CHEN Z M.Design of optmal stack P=001 GASF 2 855 7028 2641 3549 filters under the MAE criterion J].IEEE Trans on SP, CSASF 2 032 6877 2335 3378 1999,47(12):3345-3355 ℃SASF173179411941 5429 「6崔颖,赵春晖.基于镜像阈值分解的层叠滤波器优化 P=015 GASF31831083 3015 69.68 [J]哈尔滨工程大学学报,2006,27(6):904-907 CSASF 2 642 10462261 6467 CUI Ying,ZHAO Chunhui Optm ization of stack filters CSASF23171237245681.45 based on m irrored threshold decomposition [J].Joumal of 由表1可以看出,相对于GA算法,其他学者研 Harbin Engineering University,2006,27(6):904-907 究的克隆选择算法优化的层叠滤波器具有较好 [7赵春晖,孙莉,付正威.基于克隆选择算法的层叠滤波 器的优化设计[J]哈尔滨工程大学学报,2007,28(4): 的去除噪声能力,而本文提出的CS4算法优化的 454-460 层叠滤波器对图像的高频分量即图像的细节部分保 ZHAO Chunhui,SUN Li,FU Zhengwei Opti izing stack 持较好,而对图像平坦部分即低频分量的滤波处理, filters through a clne selection algorithm [J].Joumal of 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.htp://www.cnki.net法设计的最优层叠滤波器的滤波效果. 图 3 Peppers样本图和滤波结果 Fig. 3 Peppers training samp le images and filtering re2 sults 为了更好说明基于 ICSA优化的层叠滤波器的 性能 ,表 1给出了 GA 优化设计的层叠滤波器 ( GA stack filter, GASF) , CSA 优化设计的层叠滤波器 ( clonal selection algorithm stack filter, CSASF)和 IC2 SA优化设计的层叠滤波器 ( ICSA stack filter, IC2 SASF)分别在 5%、10%及 15%噪声概率下滤波处 理后期望图像与重建图像间的 MAE和 MSE值. 表 1 不同噪声概率下 3种优化算法设计的滤波器的滤波 误差 Table1 Filter ing errors under d ifferen t no ise probab ility by three optim iz ing a lgor ithm s 噪声概率 滤波器 sp ine2surf MAE MSE peppers MAE MSE P = 0. 05 GASF 2. 265 55. 85 2. 195 25. 23 CSASF 2. 237 55. 30 1. 644 24. 64 ICSAF 1. 189 56. 25 1. 214 29. 89 P = 0. 01 GASF 2. 855 70. 28 2. 641 35. 49 CSASF 2. 032 68. 77 2. 335 33. 78 ICSASF 1. 731 79. 41 1. 941 54. 29 P = 0. 15 GASF 3. 183 108. 3 3. 015 69. 68 CSASF 2. 642 104. 6 2. 261 64. 67 ICSASF 2. 317 123. 7 2. 456 81. 45 由表 1可以看出 ,相对于 GA算法 ,其他学者研 究的克隆选择算法 [ 7 ]优化的层叠滤波器具有较好 的去除噪声能力 ,而本文提出的 ICSA 算法优化的 层叠滤波器对图像的高频分量即图像的细节部分保 持较好 ,而对图像平坦部分即低频分量的滤波处理 , 效果相对较差. 在噪声污染较小的情况下 , ICSA算 法优化的层叠滤波器的去除噪声和细节保持的性能 较为平衡. 5 结束语 克隆算子的操作过程实际上是在点 a的邻域 内 ,提供了多个不同的局部搜索方向 ,最后由克隆选 择选取候选解邻域内的局部最优 ,同时实现全局搜 索与局部搜索. 在此基础上改进的克隆算子既考虑 到个体亲和度的变化也考虑了个体间的相互作用 , 更接近现实系统 ;重组算子促进抗体间信息的交流 , 有利于增加种群多样性 ,提高种群的收敛速度. 在 MAE准则下 ,提出了一种改进的克隆选择算法对层 叠滤波器进行优化设计. 在 MATLAB 环境下 ,以 256 ×256 Lena灰度图像和 512 ×512云灰度图像为 样本图像 ,仿真实现了窗口尺寸为 3 ×3的最优层叠 滤波器 ,并比对了不同噪声概率下 3种算法优化的 层叠滤波器. 改进算法优化的层叠滤波器对图像高 频分量的处理效果较好. 参考文献 : [ 1 ]De CASTRO L N, Von ZUBEN F J. The clonal selection al2 gorithm with engineering app lications [C ] / /Proc of GECCO ’00,Las Vegas, USA, 2000: 36237. [ 2 ]刘若辰. 免疫克隆策略算法及其应用研究 [D ]. 西安 :西 安电子科技大学 , 2005. L IU Ruochen. Immunity clonal strategy algorithm and the app lication [D ]. Xi’an: Xidian University, 2005. [ 3 ]ADNAN A. Clonal selection algorithm with operator multi2 p licity [ J ]. IEEE Transactions on Evolutionary Computa2 tion, 2004, 2 (2) : 190921915. [ 4 ]沈艳军 ,汪秉文. 基于实数编码的克隆选择算法及其应 用 [J ]. 华中科技大学学报 , 2004, 32 (2) : 41242. SHEN Yanjun, WANG Bingwen. Clonal selection algorithm and the app lication based on real number coding [J ]. Jour2 nal of Huazhong University of Science and Technology, 2004, 32 (2) : 41242. [ 5 ]LEEW L, FAN K C, CHEN Z M. Design of op timal stack filters under the MAE criterion [ J ]. IEEE Trans on SP, 1999, 47 (12) : 334523355. [ 6 ]崔 颖 ,赵春晖. 基于镜像阈值分解的层叠滤波器优化 [J ]. 哈尔滨工程大学学报 , 2006, 27 (6) : 9042907. CU I Ying, ZHAO Chunhui. Op timization of stack filters based on mirrored threshold decomposition [J ]. Journal of Harbin Engineering University, 2006, 27 (6) : 9042907. [ 7 ]赵春晖 ,孙 莉 ,付正威. 基于克隆选择算法的层叠滤波 器的优化设计 [J ]. 哈尔滨工程大学学报 , 2007, 28 (4) : 4542460. ZHAO Chunhui, SUN L i, FU Zhengwei. Op tim izing stack filters through a clone selection algorithm [ J ]. Journal of 第 3期 赵春晖 ,等 :改进克隆选择算法的层叠滤波器的优化设计 ·257· © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有