图像处理优化的系统流程与多目标优化理论分析 |
| 2012-12-24 14:25 作者：龚 恒 来源：硅谷网 HV： 编辑： 【搜索试试】
|
|
【硅谷网文】据《硅谷》杂志2012年第19期刊文，近年来随着计算机技术的迅猛发展，同时与数学结合日益紧密，极大地促进数字图像的处理技术进展。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。进行图像优化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实施图像处理，从而得到最优的图像处理结果。从多目标优化角度出发，从当下图像处理图像中存在的问题入手，重点的论述图像处理优化的系统流程以及相关的多目标优化理论分析。
关键词：图像处理；优化；系统流程；多目标
由于图像处理内容的不同导致的程序及模型的差异现象，使得存储资源收到较大的浪费。图像处理中如果将控制参数作为优化变量，通过运用合理的优化算法就可以得到最优的控制参量，从而有效的解决统一图像处理问题。这样的处理方法不仅减少了资源的浪费，同时也提升了图像处理的质量。实际中应用的优化算法可以分为两类：启发式算法以及优化算法，前者可以在一定的花费基础上得到一个可行解，而后者则可以得到最优解。
1图像处理优化的研究现状
图像的恢复与处理。这种优化的目的是在某一准则的指导下将图像恢复到最接近原始图像的水平，这种优化过程首先要通过峰值信噪比以及相关系数的设定对图像的降质过程进行分析，然后是在模型的确立并以及模型的参数优化。目前常用的优化算法主要有进化算法、神经网络以及模拟退火等。
图像分割。在图像分割中应用优化算法可以达到最优化的分割以及识别效果，在本质上属于模式识别问题。常用到的优化算法为神经网络、禁忌搜索以及进化算法。
图像增强。经过图像增强处理的图像，图像的视觉效果不仅会得到极大的改善，同时也为机器分析理解创造了便利。目前的优化处理可以有效地改善图像的清晰度，进行锐化边缘以及消除噪声，从而保证了图像质量。目前主哟啊应用的优化算法有神经网络以及进化算法。
图像压缩及重构。这一技术主要通过神经网络方法保证图像的压缩及重构过程的来提升图像质量。
图像融合。进行图像融合的本质可以看作是多幅图像组合的信息最优化过程，这一过程涉及到的算法主要有粒子群算法以及模拟退火算法。
目前国内外的许多学者都开始对图像处理的多目标优化进行了深入的研究，并建立了图像优化模型。但是经过现状分析发现，在利用优化理论解决图像处理问题中还存在一些不足：图像优化仅从某一指标实施，没有真正的从多元化角度开展，阻碍了实际应用；优化处理技术标准不一，满足不了多样化的需求；图像处理任务与优化算法没有科学的统一；优化参数的设置存在着经验性，从而使得得到的最有化结果存在争议。
2图像处理优化的系统流程
2.1图像处理优化的系统模型
确定处理模型及目标是进行图像优化处理的第一步，模型的建立要在充分的认识到任务的基础上进行。同时要对模型中的优化算法、参数设置进行选择，从而达到最佳优化目的。图像的优化处理模型如下图1所示，共有6个模块：分类、接口、模型、智能、策略以计算法模块。其中分类模块主要负责对给定问题进行分类；接口模块主要完成用户系统以及图像优化系统的对接；模型模块主要完成构造不同的图像处理模型以及约束构造、目标函数；策略模块主要负责处理模型与优化算法达到最佳配置，提升算法的利用率；智能模块在算法参数优化的基础上进行智能图像的处理。经过以上6个模块的分工组合在一起，最终完成了图像的优化处理任务。
图1图像处理优化系统模型
2.2图像处理优化的系统流程
系统流程要在确定了优化系统模型的基础上进行，这里所使用的图像优化处理系统流程如下图2所示，共经过了分析需要处理的任务、建立图像处理模型、确定优化目标、选择优化方案、算法参数调整、执行优化搜索以及结果评价七大部分。其工作流程可以简述为：首先在明了处理任务的基础上建立处理模型，同时确定模型的参数及约束条件，并将图像处理的控制参数作为优化的变量；在此基础上有优选算法，并通过智能模块实现最佳参数的设定；然后是在控制策略的指引下。利用选择的算法进行模型参数的优化搜索及结果评价。如果得到的结果符合要求就可以通过接口进行输出，否则继续进行算法调整，直到满意为止。
图2图像处理优化系统流程
3多目标优化算法理论分析
这里指的多目标算法是进化多目标算法，只要是由ACA、EC、PSO的启发式算法，同时借鉴其他的优化算法，在Pareto的最有理论基础上得到。进化多目标算法要求整个优化处理过程都要朝着问题的Pareto最优解靠近，并同时保持种群在Pareto最优解前的多样性。其中找到最优解这一过程与单目标优化理论一样，要求选择的算法要可以使得问题收敛到Pareto最优解，而保持种群的多样性则是要找到尽可能多的，并且均匀分布的Pareto最优解，使之覆盖最大的范围。
当前主要的多目标算法主要有SPEA2（strengthparetoevolutionaryalgorithm2）、PAES（paretoarchiveevolutionarystrategy）、MOACS（multiobjectiveantcolonysearch）、NSGA—II（nondominatedsortinggenetiealgorithmII）以及MOPSO等。这些算法在设计时使用了精英策略，为此进行图像处理中具有较高的计算效率。例如PAES是在1+1进化策略指导下形成的，首次在算法中引入了超立方体网格，而其中的每一个网格都可视为几乎总被占优给的地理区域，然后粒子在目标函数的指导下进行定位，从而保证了种群的多样性；算法MOPSO是借助于自适应网络的思想，通过引入新的变异算子来提升优化性能；SPEA2可以在基于较之此个体优或者劣的个体数目的基础上进行赋值，同时可以通过锦标赛选择方法从更新后的存放池中进行个体选择。
优化算法的选择原则可以归结为以下四点：1）根据处理问题的要求、特点及目标合理的选择多目标优化方法；2）从优化算法的特点入手制定算法选择的最佳策略；3）对新的优化算法的应用效果要进行深入的分析。
4未来研究方向
图像的处理优化在很多的领域获得了一定应用，同时也开发了一系列的实用算法，但是相关的理论及算法还有待进一步的完善。为此个人以为今后图像处理要在下面几方面加强研究：1）研究如何建立与问题契合的图像处理优化模型。由于建立不同的模型会得到差异很大的处理结果，为此要根据图像处理的特定需求，建立具有针对性的优化模型，从而达到最佳的图像处理效果。2）统一并不断完善图像处理优化理论。目前图像处理优化在多目标优化角度还没有相关的统一理论作为指导，从而难以实现真正的从多目标实现图像处理最优化。3）研究最优的算法。图像处理优化系统要力争实现优化算法的自动选择，从而满足图像的特定处理需要。有时可以根据实际的需要综合不同的优化算法达到图像优化处理。4）提出切合实际的图像处理优化性能指标。图像处理的客观评价作为被忽略的因素，至今没有出台相关的图像优化客观评价方法，这就导致了图像处理优化算法的设计、提高带来了困难。5）深入开展智能型的图像处理优化技术。由于图像信息中包含着大量的非结构性信息，给模型的建立带来了一定困难，设置需要复杂、不确定性推理才能得到准确模型，这也就为智能图像处理优化的压法带来了难题。6）研发快速的图像处理优化技术。这一技术的目标是实现图像处理优化的实时性处理要求。为此要加快研究高速算法，提高图像处理优化的速度。
5结束语
图像的优化处理作为一项复杂的课题，尽管在应用上取得了很大的成果，但是在理论框架中没有得到统一。同时图像优化处理还存在着许多问题，例如图像处理优化算法的评价、图像处理优化模型、提升优化速度与优化质量、搭建合理的处理模型等都需要进一步的完善与发展。为此需要进一步的深入开展多目标优化理论及算法的研究，从而推动图像处理优化系统的应用推广。
|
|
|
|
【对“图像处理优化的系统流程与多目标优化理论分析”发布评论】 |
版权及免责声明：
① 本网站部分投稿来源于“网友”，涉及投资、理财、消费等内容，请亲们反复甄别，切勿轻信。本网站部分由赞助商提供的内容属于【广告】性质，仅供阅读，不构成具体实施建议，请谨慎对待。据此操作，风险自担。
② 内容来源注明“硅谷网”及其相关称谓的文字、图片和音视频，版权均属本网站所有，任何媒体、网站或个人需经本网站许可方可复制或转载，并在使用时必须注明来源【硅谷网】或对应来源，违者本网站将依法追究责任。
③ 注明来源为各大报纸、杂志、网站及其他媒体的文章，文章原作者享有著作权，本网站转载其他媒体稿件是为传播更多的信息，并不代表赞同其观点和对其真实性负责，本网站不承担此类稿件侵权行为的连带责任。
④ 本网站不对非自身发布内容的真实性、合法性、准确性作担保。若硅谷网因为自身和转载内容，涉及到侵权、违法等问题，请有关单位或个人速与本网站取得联系（联系电话：01057255600），我们将第一时间核实处理。
|
|
|
|
