论文部分内容阅读
本文是题目是来自研究室的研究项目。本文主要阐述了如何改进原来的遗传算法,并用改进了的遗传算法进化图像滤波器。目前,随着用户对图像要求的提升,图像处理的技术也需要跟着提升,我们所改进的遗传算法可以优化生成进化的图像滤波器,以满足用户的需求。进化硬件(Evolutionary Hardware)EHW是用模拟的进化来改善电路的,包括电路的布局和性能。进化算法(Evolutionary Algorithms)EA是EHW算法中的一种,它能使随机算法得出更优化的电路。遗传算法(GeneticAlgorithms)GA是属于进化算法的一种。这是首次遗传算法被提出通过进化来适应自然和人工系统。方法是通过一定数量代表一种解决方案的种群,通过进化来产生一个更加优化的结果。图像过滤器是用来作为识别前的预处理单元,现代的相机捕获的图像往往会夹杂着各种不同的噪声和污染。为了适应智能处理的需要,最近有几个进化方法已被用来处理图像过滤器的电路结构,包括刚刚提到的遗传算法。其中关于电路的复杂度,信号延迟和功耗问题被提了出来,然而除此之外,又出现了一些问题,如处理时间,图像质量和可扩展性问题。这项研究提出了一些建议,在进化过程中,通过调整整个或部分的图像过滤器的种群,同时被调整的还有其他一些基因运算符,单点突变和决定性选择。以上这些调整的目的都是为了通过突变和种群交换叉用在先前实验中的有最佳适应值(fitness value)电路来找到更好的电路结构。因此,相对于其他的方法,精英的适应值和单像素点的均差(Mean Difference Per Pixel)应该需要改良。具体在流程中的展开是:(1)电路的种群代表需要被定义,无论是被调整的还是部分调整的;(2)针对于适应值F2定义了多重目标;(3)用电路的适应值和单像素点均差值来评估试验效果。这项研究是为了通过更好的极适应值和更好的单点像素均差(MDPP)来找出更好的电路布局。电路的仿真是通过Eclipse SDK和Java Runtime Environment一起使用几个不同结构的种群实现的。得出的结果是:用我们提出的方法构建的图像滤波器电路,其精英的适应值和单像素点均差值都得到了改善。所以图像滤波器的效果也能被改善。