基于遗传算法的散焦模煳图像辨识及恢复方法

《基于遗传算法的散焦模煳图像辨识及恢复方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第26卷第4期v01．26No．4长春师范学院学报(自然科学版)J㈣nalofcIm“gchmNormalUnivewity{Natural,Seience2007年8月Aug．2007基于遗传算法的散焦模糊图像辨识及恢复方法杨鑫，高红(长春师范学院信息与技术学院，吉林长春130032)[摘要】根据散焦模糊图像的特点，本文提出了一种使用遗传算法确定散焦模糊图像退化模型参数的方法，给出了该算法的具体步骤，并据此对模糊图像进行了恢复，实验证明了该方法的可行

2、生。[关键词】散焦图像；遗传算法；图像恢复[中围分类号】TF391[文献标

3、识码】A[文章编号】1009一178X(2007)04一0092-021引言图像复原(hm龄Restoration)是数字图像处理中的一个重要分支，也一直是图像处理中的一个难点。它的主要目的是改善给定的图像质量，利用退化现象的某种先验知识来重建或恢复原有图像。各种退化图像的复原都可归结为一种过程，具体地说就是把图画模型化，并且采用相反的过程进行处理，以便恢复出原图像。由于盲目复原问题的求解很困难，如果可能，我们总是先估计退化函数，这对许多实际问题是可行的。图像降晰是一个物理过程，在许多情况下退化函数可以从物理知识和观测图像来辨识，特别

4、是最常见的退化函数只有有限的几种，这可以简化一大类退化函数辨识的问题，如果退化函数的类型是未知的，则辨识问题仍然是一个难题。本文对散焦图像的模糊辨识问题进行了研究，提出了一种基于遗传算法的散焦模糊半径辨识方法。其基本原理可概述如下：散焦模糊图像的退化模型可抽象为一圆盘函数，其对应的圆盘半径是唯一的退化模型参数(称之为模糊半径)。首先利用模糊图像的傅立叶变换图像估计散焦半径的大致范围，然后利用遗传算法进行搜索。确定散焦模糊半径。根据本文方法对散焦模糊图像进行了试验，结果表明该方法是可行而且有效的。2散焦模糊退化函数图像进行恢复处理通常需

5、要根据一定的图像退化模型来进行，原图像f(x，Y)与散焦模糊图像的gx，Y)之间的关系可以用下式来表示：g(*，Y)=“*，Y)*h(x，Y)4-n(x，Y)其中n(x，Y)为随机噪声，h(x，Y)是散焦成像系统的点扩散函数。几何光学的分析表明，光学系统散焦造成的图像降晰相应的点扩散函数是一个均匀分布的圆形光斑，退化函数可以表达为“Ⅵ)：f专鲥∥∥LO其它式中，r是散焦斑半径，即我们需要辨识的参数。3散焦模糊半径的确定3．1散焦模糊半径的范围估计根据散焦模糊图像的特点，如果降晰图像的信噪比较高，可以观测图像的傅立叶变换在频域图上能够观

6、察到圆形的轨迹，然后可以从该图估计散焦半径的大致范围。然后通过遗传算法得到散焦半径的精确值。3．2使用遗传算法得到散焦模糊半径遗传算法作为一种基于自然选择和群体遗传机理的搜索算法，模拟了自然选择和自然遗传过程中发生的繁殖、杂交和突变现象。在利用遗传算法求解问题时，它将问题的求解表示成“染色体”，即个体，从而构成一群“染色体”。并将它们置于问题的“环境”中，从中选择出适应环境的“染色体”进行复制，通过交叉、变异操作产生出新一代更适应环境的“染色体”群，这样一代一代不断进化，最后收敛到一个最合适环境的个体上，求得问题的最优解。遗传算法的主

7、要内容有：编码、初始群体的产生、染色体适应度的评价、遗传操作设计(选择、交叉、[收稿日期]2007—03一培[作者简介]扬鑫(197s一)，女，吉林榆树人，长春师范学院信息技术学院讲师，从事信息技术研究。·92·万方数据变异)和控制参数设计。用遗传算法进行散焦模糊半径的估计，可采用如下方法：(1)染色体编码。根据所求的模糊半径特点，我们采用浮点数编码方法。例如，上图中我们估计散焦模糊半径的取值范围为[6，12]，由于计算精度取小数点后2位数即可，为达到这个精度要求，每个变量要用6位长的二进制编码符号串来表示。这是因为9<6／0．01<

8、10，这样每个个体必须用lO位长的二进制编码符号串表示。(2)适应度函数。遗传算法总是将适应度较高的个体遗传下来，本问题将适应度函数取为：mF(Z)蚶；c一8g—h*正9：式中6是个体i代表的推测恢复图像，g是观测到的退化图像，h为退化过程，*代表卷积，c是目标函数的最大值。通过每一个搜索到的散焦半径值，可以确定点扩散函数，通过上式计算该散焦半径值对应的适应度值。这样求取最佳的散焦模糊半径，可以看成最大化E(6)的过程。这样，将散焦模糊半径的辨识问题转化成了遗传算法的寻优问题。(1)选择合适的参数。为了减小计算工作量，提高搜索速度，同

9、时又能搜索到最优结果，避免收敛到局部稳定点，通过实验，参数取下列数值比较合适。群体个数取30，交叉概率为0．8，变异概率为0．Ol，运行代数为100代。(2)遗传操作。随机产生30个估计范围内的初始解作为初始群体，计算适