知识卡片
遗传搜索接退火局部改进
混合图像去噪把候选解编码为“原图像素灰度如何对应到噪声图灰度”的映射,用图像质量标准评估适应度。搜索分两段:先用偏全局的遗传算法生成新个体,再用偏局部的模拟退火继续优化,得到下一代种群;反复直到收敛。两阶段作用的是灰度变换关系,不能据摘要断定对所有噪声类型都优于单一算法。
补充教学示例(非书中数据)。某个像素原图灰度 80、噪声图 70,个体里要记下 80→70 这种对应;整幅图的对应关系构成一条染色体,GA 先大范围改映射,SAA 再小步调整。
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 . 2 基 于 模 拟 退 火 算 法 的 图 像 去 噪 · 查看原书依据
该算法在随机产生的初始值中利用侧重于全局搜索的GA生成新的个体,然后通过侧重于局部搜索的SAA进一步优化个体从而产生下一代种群。反复进行上述模拟退火遗传算法的进化操作,直到算法收敛于最优解。
参考来源
- 位置:《智能算法导论》第11章《1 1 . 4 . 2 基 于 模 拟 退 火 算 法 的 图 像 去 噪》(源文件:`_epub-src/EPUB/xhtml/chapter11_0010.xhtml`)
- 结论依据:正文明确先由偏全局的 GA 生成个体,再由偏局部的 SAA 优化,并把原/噪图像素灰度对应关系编码、用图像质量标准评价。80→70 为依据该编码补充的教学示例,非书中数据。
- 原始内容:该算法在随机产生的初始值中利用侧重于全局搜索的GA生成新的个体,然后通过侧重于局部搜索的SAA进一步优化个体从而产生下一代种群。
- 原始内容:首先对原始图像和噪声图像每个像素点上的灰度对应关系进行编码,然后