应用粒子群优化算法混合纹理合成.docVIP

应用粒子群优化算法混合纹理合成 　　（哈尔滨理工大学计算机科学与技术学院， 哈尔滨 150080） 　　?? 　　摘 要： 　　应用粒子群优化算法作为像素寻优策略，应用于多样图纹理合成算法中，将群智能中经典的粒子群优化算法引入到纹理合成领域。应用粒子群优化多样图纹理合成方法是传统的基于像素纹理合成方法和基于块的纹理合成方法的折中，除能大大提高多样图纹理合成的速度，样图的质量也得到了很大改善。实验证明，该算法有效解决了徐晓刚混合纹理合成中输出纹理出现的条痕问题。 　　?す丶?词：纹理合成； 粒子群优化； 群智能； 适应值 　　?ぶ型挤掷嗪牛?TP391 文献标志码：A 　　 文章编号：1001-?B3695(2009)02-?B0772-?B03 　　?? 　　PSO-based multi-samples texture synthesis 　　?? 　　SUN Li-juan， LI Feng, DING Bo 　　??(College of Computer Science Technology, Harbin University of Science Technology, Harbin 150080, China) 　　?? 　　Abstract:Using the PSO method as a optimization strategy for the multi-samples texture synthesis,introducing the classical PSO method of swarm intelligence to the area of texture synthesis, multi-samples synthesis using PSO was an eclectic scheme between pixel based texture synthesis methods and patch-based texture synthesis methods.It improves the speed of synthesizing and the quality of the output image;the implementation of algorithm proves the effectiveness of this method. 　　??Key words：texture synthesis； particle swarm optimization(PSO)； swarm intelligence； fitness value 　　?お? 　　本文针对大规模场景中对于多样图纹理合成的需求，以提高合成速度和质量为目的，在传统点像素纹理合成的基础上，提出了基于粒子群优化的多样图纹理合成方法，以粒子群算法来优化输入样图点像素搜索策略，在提高合成速度的同时，也解决了合成质量条形化问题。?? 　　1 粒子群优化算法?? 　　粒子群优化算法(PSO)是由Kennedy等人[1]于1995年提出的，其起源于对简单社会系统的模拟，可以利用群体智能建立一个简化模型，用组织社会行为代替进化算法的自然选择机制，通过种群间个体协作来实现对问题最优解的搜索。?? 　　1.?B1 基本原理及其演化?? 　　PSO算法也是根据周围环境的适应度将群体中的个体移动到好的区域，不同之处在于它不像其他演化算法那样对个体使用演化算子，而是将每个优化问题的潜在解都想象成d维搜索空间中的一个没有体积没有质量的微粒，称之为粒子(particle)。其中的每个粒子所处的位置都表示问题的一个解[2]。每个粒子的适应值(fitness value)是由优化目标决定的，用于评价粒子的搜索性能，指导粒子种群的搜索过程，算法迭代停止时适应度函数最优的解变量即为优化搜索的最优解。每个粒子都将在搜索空间中以一定的速度飞行，粒子速度表示粒子在单位迭代次数位置的变化即为代表解变量的粒子在d维空间的位移，通过不断调整自己的位置来搜索新解。每个粒子均能记住自己搜索到的最好解(particle best)，记做pbest，表示单个粒子从搜索初始到当前迭代对应的适应度最优的解，以及整个粒子群经历过的最好位置，即目前搜索到的最优解(global best)，记做gbest，表示整个粒子种群从搜索开始到当前迭代对应的适应度最优的解，其值是为每个粒子的当前最好解pbest中最适应的那个。每个粒子使用下列信息改变自己的当前位置：a)当前位置；b)当前速度；c)当前位置与自己最好位置之间的距离；d)当前位置与群体最好位置之间的距离。优化搜索正是在这样一群随机初始化形成的粒子组成的一个种群中，以迭代的方式进行