期刊文献+

基于微粒群和模拟退火的图像恢复研究 被引量:3

Research of Image Restoration Algorithm Based on Particle Swarm Optimization and Simulated Annealing
下载PDF
导出
摘要 提出了一种基于微粒群和模拟退火的图像恢复算法.算法结合了微粒群优化快速的搜索能力和模拟退火算法良好的全局收敛性能的优点,能应用于不同类型退化图像的恢复.仿真结果表明,该算法可使图像恢复效果得到改进和提高,是一种有效的图像恢复方法. This paper proposes a image restoration method based on particle swarm optimization and simulated annealing algorithm. The method combines the advantage of particle swarm optimization and simulated annealing algorithm, and can apply to different types of degraded images. The simulation results indicate that this method can improve the performance of image restoration, and is a effective method of image restoration.
出处 《微电子学与计算机》 CSCD 北大核心 2009年第1期159-161,165,共4页 Microelectronics & Computer
基金 湖南省自然科学基金项目(06JJ50110) 湖南省教育厅科学研究项目(04C315)
关键词 微粒群算法 模拟退火 图像恢复 particle swarm optimization simulated annealing image restoration
  • 相关文献

参考文献7

  • 1Rafael C Gonzalez,Richard E Woods.数字图像处理[M].北京:电子工业出版社,2006.
  • 2Kennedy J, Eberhart R C. Particle swarm optimization [C]//Proc. IEEE Int' l. Conf. on Neural Networks, IV. Piscataway, NJ:IEEE Service Center, 1995 : 1942 - 1948.
  • 3Chen Y W, Enokura T, Nakao Z. A hybrid GA/SA approach to blind deeonvolution[C]//IEEE 1998 Second International Conference on Knowledge- Baswd Intelligent Electronic Systems. Okinawa, 1998(3) : 144 - 149.
  • 4王丽芳,曾建潮.以模拟退火算法为收敛判据的混合微粒群算法[J].计算机工程与科学,2006,28(5):77-79. 被引量:4
  • 5Shi Y,Eberhart R C. A modified particle swarm optimization[C]//Proc. IEEE Int' l. Conf. on Evolutionary Computation. Piscataway, NJ: IEEE Press, 1998- 69 - 73.
  • 6周鲜成,申群太,王俊年.基于微粒群的颜色量化算法[J].微电子学与计算机,2008,25(3):51-54. 被引量:4
  • 7黄绍川.基于数据挖掘的图像分割技术研究与应用[J].微电子学与计算机,2006,23(7):171-173. 被引量:8

二级参考文献21

共引文献17

同被引文献23

  • 1李德毅,刘常昱,杜鹢,韩旭.不确定性人工智能[J].软件学报,2004,15(11):1583-1594. 被引量:401
  • 2王瑞恒,郭江鸿,刘鑫.一种基于相对熵的图像模糊增强方法[J].信息技术,2006,30(3):31-33. 被引量:1
  • 3付朝江,张武.非线性动力有限元重叠区域分裂的隐式并行算法[J].计算力学学报,2006,23(6):783-788. 被引量:4
  • 4Pal N R,Pal K.Background segmentation using new definitions of antropy[J].IEEE Proceedings,1989,136(4):284-295.
  • 5De Luca A,Termini S.A definition of a non-probabilistic entropy in the setting of fuzzy set theory[J].Information and Control,1972,20(4):301-312.
  • 6Cheng H D,Chen Yenhung,Sun Ying.A novel fuzzy entropy approach to image enhancement and thresholding[J].Signal Process-Ing,1999,75:277-301.
  • 7Vlachosa I K,Sergiadis G D.Intuitionistic fuzzy information applications to pattern recognition[J].Pattern Recognition Letters,2007,28:197-206.
  • 8姜林美.JPEG图像的无参考质量评价方法研究[D].上海:上海师范大学,2008.
  • 9Poli R, Kennedy J, Blackwell T. Particle swarm optimization: an overview[J], Swarm Intelligence, 2007, (1): 33-57.
  • 10Chatterjee A, Siarry P. Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization [J]. Computers & Operations Research, 2006, 33: 859-871.

引证文献3

二级引证文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部