基于混合搜索算法的图像稀疏分解

为了提高图像稀疏分解的效果,降低其计算时间,提出一种基于量子进化算法(quantum-inspired evolutionary algorithm,QIEA)和改进差分进化算法(improved differential evolution,IDE)的混合搜索算法,并应用到图像稀疏分解中。该方法将IDE引入到QIEA中,前期进行QIEA寻优,当寻优搜索到的最优解经过多次进化后没有变化时,引入IDE以提高搜索解的精度和质量。图像稀疏分解的仿真实验结果表明,与QIEA和IDE相比,混合搜索算法的图像稀疏分解方法获得的重构图像具有最好的图像视觉质量和最高的峰值信噪比,且具有相对较低的计算时间。

基于改进ACFOA的图像一维OMP稀疏分解

针对二维图像稀疏分解运算复杂度高的问题,提出一种基于改进自适应混沌果蝇优化算法的图像一维正交匹配追踪OMP(Orthogonal Matching Pursuit)稀疏分解方法。算法首先将图像从二维空间转换到一维空间,然后对自适应混沌果蝇优化算法ACFOA(Adaptive Chaos Fruit Fly Optimisation Algorithm)的味道浓度判定值和混沌映射函数进行了改进,提高了算法的全局寻优性能,最后将改进后的ACFOA算法应用到图像一维OMP分解之中。实验结果表明,在相同实验条件下,图像一维OMP稀疏分解的速度是二维分解的1.12倍。