蜂群算法与低秩稀疏分解融合的图像去噪方法研究

发布时间：2023-02-09 13:26

　　图像去噪是图像预处理中一个至关重要的步骤并且也是图像处理的基础问题,低秩稀疏分解是现阶段应用比较广泛的图像去噪法,但是低秩稀疏分解的缺陷是如何自适应获取奇异值阈值。由于传统的人工蜂群算法及其改进算法应用到图像去噪中时主要与小波算法融合,并且改进后的融合算法在去噪效果方面仍有待提高。本文中采用Bloch球面编码的方式改进基于量子编码方式的人工蜂群算法,提出一种改进的基于Bloch球面量子蜂群(Improved Bloch Quantum Artificial Bee Colony,IBQABC)算法,同时选取适应度函数—低秩稀疏分解的数学模型对图像去噪的问题进行深入研究,本文具体的工作内容如下:首先,阐述低秩矩阵稀疏分解的基础理论知识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阈值法、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数学模型对图像去噪的影响;其次,分析基本人工蜂群算法的缺点以及不足之处。将初始蜜源分散到Bloch球面上在三维空间中编码,使目标函数全局最好解的个数得到扩充。基于Bloch球面劣弧寻优路径的原理,将Bloch球看作一个透明的球体,改变原来的寻...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
    1.3 论文的主要研究内容
    1.4 论文的结构安排
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 迭代阈值法
        2.2.2 加速近端梯度法
        2.2.3 增广拉格朗日乘子法
    2.3 低秩稀疏分解的模型分析
    2.4 本章小结
第三章 基于Bloch球面的改进量子蜂群算法
    3.1 引言
    3.2 传统的人工蜂群算法
    3.3 基于Bloch球面的改进量子蜂群算法
        3.3.1 量子计算
        3.3.2 IBQABC算法
    3.4 改进基于Bloch球面的量子蜂群算法的性能分析
        3.4.1 测试函数
        3.4.2 改进蜂群算法中参数对优化结果的影响分析
        3.4.3 函数优化
    3.5 本章小结
第四章 改进蜂群算法与低秩稀疏分解融合的图像去噪
    4.1 引言
    4.2 融合算法的去噪流程
    4.3 图像的聚类分解
    4.4 低秩稀疏分解与改进蜂群算法的融合
    4.5 图像去噪及算法比较分析
        4.5.1 标准图像去噪及比较分析
        4.5.2 工程图纸扫描后的图像去噪
        4.5.3 改进蜂群算法的去噪性能比较
        4.5.4 融合算法去噪分析
    4.6 本章小结
结论
参考文献
发表文章目录
致谢



本文编号：3738821