元胞自动机.docVIP

元胞自动机(Cellular Automata，简称CA)，是一时间和空间都离散的动力系统。散布在规则格网中的每一元胞取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成动态系统的演化。不同于一般的动力学模型，元胞自动机不是由严格定义的物理方程或函数确定，而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。因此，元胞自动机是一类模型的总称，或者说是一个方法框架。其特点是时间、空间、状态都离散，每个变量只取有限多个状态，且其状态改变的规则在时间和空间上都是局部的。 传统的的识别方法：视觉标记的识别过程包括输入图像、输出图像标记的包围框和特征点的坐标。这个过程的设计要求是具有较好的精度，满足实时性要求，其中实时性要比精度更重要一些。标记的识别中，一般可以利用的信息是标记的边缘信息、几何信息、色度信息? 。如下图所示。首先将图像转化为二值图像，然后利用 腐蚀 、边框提取和 Hough变换等 技术获得标志包围，再经过种子填充和几何限制等手段取得特征点集合。 　 采用CA模型的算法：CA识别算法如图2所示，可见算法的效率高低取决于CA模 的设计。 CA法有以下几个特征： (1)同质性、齐性，同质性反映在元胞空间内的每个元胞的变化都服从相同的规律，即元胞自动机的规则，或称为转换函数;而齐性指的是元胞的分布方式相同，大小、形状相同，空间分布规则整齐； (2)空间离散:元胞分布在按照一定规则划分的离散的元胞空间上； (3)时间离散:系统的演化是按照等间隔时间分步进行的，时间变量t只能取等步长的时刻点，形似整数形式的t0,t十l,t十2…，而且，t时刻的状态构形只对其下一时刻，即t+1时刻的状态构形产生影响，而t+2时刻的状态构形完全决定于t+1的状态构形及定义在上面的砖换函数。元胞自动机的时间变量区别于微分方程中的时间变量t,那里t通常是个连续值变量； (4)状态离散有限：元胞自动器的状态只能取有限(k)个离散值(s1,s2,...,sk)。相对于连续状态的动力系统，它不需要经过粗粒化处理就能转化为符号序列。而在实际应用中，往往需要将有些连续变量进行离散化，如分类，分级，以便于建立元胞自动机模型； (5)同步计算(并行性)：各个元胞的在时刻ti+1的状态变化是独立的行为，相互没有任何影响。若将元胞自动机的构形变化看成是对数据或信息的计算或处理，则元胞自动机的处理是同步进行的，特别适合于并行计算； (6)时空局部性：每一个元胞的下一时刻ti+1的状态，取决于其周围半径为r的邻域(或者其它形式邻居规则定义下的邻域)中的元胞的当前时刻ti的状态，即所谓时间、空间的局部性。从信息传输的角度来看，元胞自动机中信息的传递速度是有限的； (7)维数高：在动力系统中一般将变量的个数成为维数。例如，将区间映射生成的动力系统称为一维动力系统;将平面映射生成的动力系统称为二维动力系统;对于偏微分方程描述的动力系统则称为无穷维动力系统。从这个角度来看，由于任何完备元胞自动机的元胞空间是定义在一维、二维或多维空间上的无限集，每个元胞的状态便是这个动力学系统的变量。因此，元胞自动机是一类无穷维动力系统。在具体应用中或计算机模拟时当然不可能处理无限个变量，但一股也总是处理数量很大的元胞组成的系统。因此可以说维数高是元胞自动机研究中的一个特点。 元胞自动机的构建没有固定的数学公式，构成方式繁杂，变种很多，行为复杂。故其分类难度也较大，自元胞自动机产生以来，对于元胞自动机分类的研究就是元胞自动机的一个重要的研究课题和核心理论，在基于不同的出发点，元胞自动机可有多种分类，其中，最具影响力的当属S. Wolfram在80年代初做的基于动力学行为的元胞自动机分类，而基于维数的元胞自动机分类也是最简单和最常用的划分。除此之外，在1990年，Howard A.Gutowitz提出了基于元胞自动机行为的马尔科夫概率量测的层次化、参量化的分类体系。下面就上述的前两种分类作进一步的介绍。同时就几种特殊类型的元胞自动机进行介绍和探讨S. Wolfrarm在详细分忻研究了一维元胞自动机的演化行为，并在大量的计算机实验的基础上，将所有元胞自动机的动力学行为归纳为四大类： 　　(1)平稳型：自任何初始状态开始,经过一定时间运行后，元胞空间趋于一个空间平稳的构形，这里空间平稳即指每一个元胞处于固定状态，不随时间变化而变化。 　　(2)周期型：经过一定时间运行后，元胞空间趋于一系列简单的固定结构或周期结构。由于这些结构可看作是一种滤波器，故可应用到图像处理的研究中。 　　(3)混沌型：自任何初始状态开始，经过一定时间运行后，元胞自动机表现出混沌的非周期行为，所生成的结构的统汁特征不再变止，通常表现为分形分维特征。