- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于变异混沌粒子群优化算法图像稀疏分解.pdf
第 43卷 第 4 期 西 南 交 通 大 学 学 报 Vol. 43 No. 4
2008年 8月 JOURNAL OF SOU THW EST J IAO TON G UN IV ER SITY A ug. 2008
文章编号 : (2008) 04 050905
基于混沌变异粒子群优化算法的图像稀疏分解
李恒建, 尹忠科, 张家树, 王建英
(西南交通大学信息科学与技术学院 , 四川 成都 6 10031)
( )
摘 要 : 提出了基于改进的粒子群优化 PSO 算法的匹配追踪算法 ,用于快速图像稀疏分解. 改进的 PSO 算法
利用尺度收缩混沌变异的精细局部搜索性能 ,使稀疏分解的匹配追踪算法具有 良好的全局寻优能力 ,提高了稀
疏分解在冗余字典中原子匹配的速度和准确度. 用二维墨西哥草帽函数作为冗余字典的生成函数 , 以增强对图
像边缘和轮廓的表达能力. 仿真结果表明 ,用提出的算法实现图像稀疏分解比用遗传算法和 PSO 更快更有效 ,重
建图像的视觉效果好.
关键词 : 图像处理 ;稀疏分解 ;匹配追踪 ;粒子群优化算法 ;尺度收缩混沌变异
中图分类号 : TN 911. 73; TP39 1. 4 文献标识码 : A
Im age Spar se D ecom position Ba sed on
Particle Swarm O ptim iza tion w ith Chaotic M uta tion
L I H engj ian, YIN Z hongke, ZHAN G J iashu, WAN G J iany ing
( Schoo l of Inform ation Science and Tech. , Southwest J iaotong U n iversity, Chengdu 6 10031, Ch ina)
A b stract: A m atch ing pu rsu it algorithm ba sed on an imp roved p article swarm op tim ization ( PSO ) wa s
p ropo sed for sp arse decompo sition of im age s. The imp roved PSO u se s the fine local search ab ility of the
shrink ing chaotic m u tation to m ake the m atch ing pu rsu it have good global search ab ility, imp rove s the
accu racy and increa se s the sp eed of atom m atch ing in the redundan t d ictionary. The redundan t
dictionary emp loys the 2D M exican hat function a s the generating function to rep re sen t the edge s and
con tou rs of im age s efficien tly. Sim u lation re su lts show that the p ropo sed m ethod is better than the
general genetic and PSO algorit
文档评论(0)