知识卡片
粒子群与退火分工复原图像
退化图像复原的一种混合方案让两种算法分工:
- 粒子群优化(微粒群,PSO):一群候选解(粒子)同时在解空间中移动,参考彼此找到的较好位置,全局搜索快,负责大范围找方向。
- 模拟退火(SAA):围绕当前解做小改动,并以一定概率接受变差的候选,局部搜索强,负责精细改进。
再配合合理的种群初始化方法和适应度函数,使方案能用于不同类型的退化图像。分工意在兼顾搜索范围和局部改进;原书没有给初始化、适应度或两者交接方式的定义,不能直接复现,也不能把文献报告的收敛与质量提升视为普遍保证。
结构图:
flowchart TD
A[退化图像复原] --> B[初始化种群与适应度设计]
B --> C[粒子群全局搜索]
C --> D[模拟退火局部搜索]
D --> E[候选复原图像]
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 1 . 4 基 于 模 拟 退 火 算 法 的 图 像 处 理 · 查看原书依据
基于微粒群和模拟退火的图像恢复算法[33]结合了微粒群优化快速的全局搜索能力和SAA局部搜索能力强的优点,具有较快的收敛速度能和良好的全局收敛性,同时,设计合理的种群初始化方法和适应度函数,使得算法能应用于不同类型退化图像的恢复。结果表明,该算法可使图像恢复效果得到改进和提高,是一种有效的图像恢复方法。
参考来源
- 位置:《智能算法导论》第 11 章《11.4 基于模拟退火算法的图像处理》(源文件:`_epub-src/EPUB/xhtml/chapter11_0009.xhtml`)
- 结论依据:文献[33]摘要明确给出粒子群的全局搜索与SAA的局部搜索分工,并提到种群初始化和适应度设计;没有展开具体算子和对照条件。
- 原始内容:基于微粒群和模拟退火的图像恢复算法 [ 3 3 ] 结合了微粒群优化快速的全局搜索能力和SAA局部搜索能力强的优点
- 原始内容:同时,设计合理的种群初始化方法和适应度函数,使得算法能应用于不同类型退化图像的恢复。