圖像去噪是圖像預(yù)處理中一個至關(guān)重要的步驟并且也是圖像處理的基礎(chǔ)問題,低秩稀疏分解是現(xiàn)階段應(yīng)用比較廣泛的圖像去噪法,但是低秩稀疏分解的缺陷是如何自適應(yīng)獲取奇異值閾值。由于傳統(tǒng)的人工蜂群算法及其改進(jìn)算法應(yīng)用到圖像去噪中時主要與小波算法融合,并且改進(jìn)后的融合算法在去噪效果方面仍有待提高。本文中采用Bloch球面編碼的方式改進(jìn)基于量子編碼方式的人工蜂群算法,提出一種改進(jìn)的基于Bloch球面量子蜂群(Improved Bloch Quantum Artificial Bee Colony,IBQABC)算法,同時選取適應(yīng)度函數(shù)—低秩稀疏分解的數(shù)學(xué)模型對圖像去噪的問題進(jìn)行深入研究,本文具體的工作內(nèi)容如下:首先,闡述低秩矩陣稀疏分解的基礎(chǔ)理論知識和常用的低秩稀疏分解算法,其中低秩稀疏分解算法包括迭代閾值法、加速近端梯度法以及拉格朗日乘子法。最后分析低秩稀疏分解的數(shù)學(xué)模型對圖像去噪的影響;其次,分析基本人工蜂群算法的缺點(diǎn)以及不足之處。將初始蜜源分散到Bloch球面上在三維空間中編碼,使目標(biāo)函數(shù)全局最好解的個數(shù)得到擴(kuò)充�；贐loch球面劣弧尋優(yōu)路徑的原理,將Bloch球看作一個透明的球體,改變原來的尋...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
第二章 低秩稀疏分解
    2.1 引言
    2.2 低秩稀疏分解算法
        2.2.1 迭代閾值法
        2.2.2 加速近端梯度法
        2.2.3 增廣拉格朗日乘子法
    2.3 低秩稀疏分解的模型分析
    2.4 本章小結(jié)
第三章 基于Bloch球面的改進(jìn)量子蜂群算法
    3.1 引言
    3.2 傳統(tǒng)的人工蜂群算法
    3.3 基于Bloch球面的改進(jìn)量子蜂群算法
        3.3.1 量子計算
        3.3.2 IBQABC算法
    3.4 改進(jìn)基于Bloch球面的量子蜂群算法的性能分析
        3.4.1 測試函數(shù)
        3.4.2 改進(jìn)蜂群算法中參數(shù)對優(yōu)化結(jié)果的影響分析
        3.4.3 函數(shù)優(yōu)化
    3.5 本章小結(jié)
第四章 改進(jìn)蜂群算法與低秩稀疏分解融合的圖像去噪
    4.1 引言
    4.2 融合算法的去噪流程
    4.3 圖像的聚類分解
    4.4 低秩稀疏分解與改進(jìn)蜂群算法的融合
    4.5 圖像去噪及算法比較分析
        4.5.1 標(biāo)準(zhǔn)圖像去噪及比較分析
        4.5.2 工程圖紙掃描后的圖像去噪
        4.5.3 改進(jìn)蜂群算法的去噪性能比較
        4.5.4 融合算法去噪分析
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
發(fā)表文章目錄
致謝



本文編號：3738821