多目标优化在图像处理中应用.docVIP

多目标优化在图像处理中应用 　　摘要：近年来计算机技术迅猛发展，与数学的结合也日益紧密，极大地促进数字图像处理技术的发展。由于图像处理的任务存在差异，相应的处理程序以及模型也有差异，并且没有统一的评价标准对图像优化进行评价，也需要设定优化的目标，为此有必要通过引入多目标优化理论进行图像处理，从而得到最优的图像处理结果。我们在分析了图像处理优化技术的研究现状的基础上，建立了相应的多目标优化处理图像的模型以及简单的图像优化处理流程。并初步分析了优化算法的选择问题，优化目标的确立，以及对应的优化数学模型的建立，文章的最后我们讨论了多目标优化在应用中需要进行进一步研究的方向。 　　关键词：多目标优化 图像处理 Pareto最优解 均匀设计 　　中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2016）01-0000-00 　　随着科学技术的高速发展，图像处理技术也得到了很大的发展，通常在一般的数字图像处理系统中，对于需要处理的图像按照内容的不同分别建立了不同的处理模型以及相应的程序。但众多的处理模型和程序存放在不同的存储系统中，不仅占用了过多的存储资源，更重要的是没有建立统一的评价标准。因此如果对这些众多的图像处理任务建立相对统一的评价标准，用图像处理模型的控制参数作为优化的变量，运用优化算法的搜索得到相对最优的控制参数，将有效减少各种存储资源的浪费，统一图像处理问题，并能够实现最优的图像处理。 　　基于上述思想观点，我们从多目标优化在图像处理中的应用出发，通过对图像优化处理目标的分析总结，我们研究了当下图像优化处理的现状，并试图在此基础上建立涵盖多目标处理的更加精确的数学模型，重点分析了图像处理优化的关键问题，包括模型的建立，目标的确定，算法的选择和设计。最后指出了多目标优化在图像处理中的进一步的研究方向。 　　1 图像优化处理的研究现状与分析 　　现如今已广泛应用于图像处理领域的多种图像优化处理算法，大部分为单目标优化算法。国内外也有少部分学者对图像处理的多目标优化问题展开了较深入的研究，王玉敏 研究了基于多目标优化的图象重建算法，Verschae 运用了多目标进化算法进一步提高了人脸图像识别系统的性能。总体上来说，这些国内外学者在运用多目标优化理论解决一些实际图像处理的问题中已经取得了较多的研究成果，但仍然存在一些以下不足之处：（1）目前的图像处理优化方法基本上只是满足了单个指标的要求，还没有真正从多目标的角度来研究图像处理优化问题；（2）对于不同的图像，在处理的过程中有不同的评价指标，图像优化处理的评价指标不够统一；（3）对于优化算法的控制参数的选择，大多数情况下是依靠经验来进行配置，使优化算法很难实现最佳的寻优性能。 　　3 对于图像处理优化关键问题的分析 　　3.1 优化模型的确立 　　在图像处理过程中，为了得到最佳的处理结果。往往要建立最合适的优化模型。而优化模型是根据图像处理的任务的不同来确立的，在此之前国内外学者已经建立了大量的图像处理模型，比如：Laurent Navarro和Guy Courbebaisse建立了对称对数图像处理模型 ，该模型处理透射光和反射光强图像的效果与人类视觉系统处理的效果几乎一致，Florea等人建立了较为详细的线性分段对数图像处理模型 ，Kim建立了图像恢复数学模型 ，Pohl提出了多种图像相互融合的模型 .因此对于不同的图像处理任务，可以从这些大量的图像处理模型中来确立。 　　3.2 优化算法的选择 　　根据图像处理问题的不同，选择最佳的优化算法，对于图像优化性能而言是一个非常关键的问题。目前，传统的优化算法和进化算法各有利弊，传统的优化算法大致上可以分为三类：启发式算法、枚举法、搜索算法。启发式算法是通过一种启发式规则来找到最优解或者近似最优解。虽然求解的效率较高，但找出的特有的启发式规则无通用性，不适合于应用在其他问题上。枚举法要求对连续函数进行离散化处理，因此永远得不到最优解，由于搜索的空间很大，效率很低。搜索算法虽然不能保证一定能得到最优解，但利用启发知识，可以在解的质量和效率上得到一种平衡。进化算法可以根据环境的变化自动发现环境的特性以及相应的规律。运用种群的方式进行搜索可以搜索解空间内的多个区域。但进化算法作为一种人工智能方法，在理论研究和算法实现上存在不足，实践中存在收敛速度慢的问题。而PSO算法比较简洁，只有少量参数需要调整，比较容易实现，可以有效的解决多目标优化问题。若PSO算法借鉴进化算法的思想便可以设计出更好的多目标算法。 　　3.3优化算法的设计 　　均匀设计对于各种优化算法参数的优化设计而言，是一种科学而有效的方法。当模型比较复杂时，均匀设计的试验次数少，并且有较好的均匀性。均匀设计把算法的参数配置问题转化为