m基于遗传优化的阈值分割算法的雾天图像去雾增强matlab仿真 | 您所在的位置:网站首页 › 遗传算法介绍 › m基于遗传优化的阈值分割算法的雾天图像去雾增强matlab仿真 |
1.算法仿真效果 matlab2022a仿真结果如下: 2.算法涉及理论知识概要 遗传算法GA把问题的解表示成“染色体”,在算法中也即是以二进制编码的串。并且,在执行遗传算法之前,给出一群“染色体”,也即是假设解。然后,把这些假设解置于问题的“环境”中,并按适者生存的原则,从中选择出较适应环境的“染色体”进行复制,再通过交叉,变异过程产生更适应环境的新一代“染色体”群。这样,一代一代地进化,最后就会收敛到最适应环境的一个“染色体”上,它就是问题的最优解。 其主要步骤如下: 1.初始化 选择一个群体,即选择一个串或个体的集合bi,i=1,2,...n。这个初始的群体也就是问题假设解的集合。一般取n=30-160。 通常以随机方法产生串或个体的集合bi,i=1,2,...n。问题的最优解将通过这些初始假设解进化而求出。 2.选择 根据适者生存原则选择下一代的个体。在选择时,以适应度为选择原则。适应度准则体现了适者生存,不适应者淘汰的自然法则。 给出目标函数f,则f(bi)称为个体bi的适应度。以 为选中bi为下一代个体的次数。 显然.从式(3—86)可知: (1)适应度较高的个体,繁殖下一代的数目较多。 (2)适应度较小的个体,繁殖下一代的数目较少;甚至被淘汰。 这样,就产生了对环境适应能力较强的后代。对于问题求解角度来讲,就是选择出和最优解较接近的中间解。 3.交叉 对于选中用于繁殖下一代的个体,随机地选择两个个体的相同位置,按交叉概率P。在选中的位置实行交换。这个过程反映了随机信息交换;目的在于产生新的基因组合,也即产生新的个体。交叉时,可实行单点交叉或多点交叉。 ———————————————— 将遗传算法应用于雾天图像的区域分割,从而使图像清化.该方法首先用遗传算法求出近景和远景的分割阈值将图像分割出来,然后通过移动模板对整个图像进行相应的清晰化处理,防止区域边界效应的产生,最后对获取的图像进行信息融合,进一步提高图像质量,有效改善雾天图像的退化现象,提高图像的清晰度. 主要包含如下的步骤: ·遗传算法求出近景和远景的分割阈值将图像分割出来 ·通过移动模板对整个图像进行相应的清晰化处理 ·最后对获取的图像进行信息融合 3.MATLAB核心程序 %最佳阈值 Level = floor(yuzhi(1,maxgen)); [m,n]=size(C); for i=1:m for j=1:n if C(i,j) |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |