| 【中文题名】 | 量子遗传算法及其在图像自适应增强中的应用研究 |
| 【英文题名】 | Quantum Genetic Algorithm and Its Application on Image Auto-adaptive Optimization |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-13 |
| 【中关键词】 | 遗传算法,量子计算,量子遗传算法,量子旋转门,图像增强,灰度图像 |
| 【英关键词】 | Genetic Algorithm,Quantum Computing,Quantum Genetic Algorithm,Quantum Rotation Gate,Image Enhancement,gray level image, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
图象增强就是将原来不清楚的图像变得清晰或把我们感兴趣的某些特征强调出来,以改善图像的视觉效果或便于对图像进行其他处理。灰度图像的非线性变换是一种有效的图像增强方法,该方法对不同灰度特征的图像采用不同的非线性变换曲线进行调整。归一化非完全Beta函数可以拟合图像调整的各种非线性变换曲线,不同的参数值分别对应于不同类型的图像非线性变换曲线,但通常确定该函数参数需要采用穷举法和人工介入法,计算量大且无智能性。
量子遗传算法是量子计算和遗传算法相结合的一种新的优化算法。量子遗传算法建立在量子的态矢量表示的基础之上,将量子比特的几率幅表示应用于遗传算法中染色体的编码,使得一条染色体可以表达多个态的叠加,并利用量子逻辑门代替遗传操作实现染色体的更新,从而实现目标的优化求解,具有比遗传算法更高的搜索效率。
本文利用量子遗传算法进行灰度图像的非线性变换函数参数的自适应选择。实验表明,量子遗传算法具有强大的搜索能力,它可以根据图像的灰度性质,得到较优的非线性变换曲线,有效的实现了灰度图像的自适应增强。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-7 |
|
第一章 绪论 |
7-9 |
|
1.1 问题的提出 |
7 |
|
1.2 国内外研究现状 |
7-8 |
|
1.3 主要研究工作和成果 |
8-9 |
|
第二章 遗传算法基本原理 |
9-24 |
|
2.1 概述 |
9-12 |
|
2.1.1 生物进化与遗传算法 |
9-10 |
|
2.1.2 遗传算法的发展 |
10-11 |
|
2.1.3 遗传算法中的基本概念和术语 |
11-12 |
|
2.2 遗传算法基本操作 |
12-18 |
|
2.2.1 选择操作 |
12-15 |
|
2.2.2 交叉操作 |
15-16 |
|
2.2.3 变异操作 |
16-18 |
|
2.3 遗传算法的形式化描述和解题过程 |
18-21 |
|
2.3.1 遗传算法的形式化描述 |
18 |
|
2.3.2 遗传算法的解题过程 |
18-21 |
|
2.3.3 遗传算法的流程图 |
21 |
|
2.4 遗传算法的特点 |
21-23 |
|
2.4.1 优点 |
21-22 |
|
2.4.2 缺点 |
22-23 |
|
2.5 应用 |
23-24 |
|
第三章 量子计算 |
24-34 |
|
3.1 概述 |
24-25 |
|
3.2 量子位 |
25-27 |
|
3.3 量子逻辑门 |
27-33 |
|
3.4 量子算法 |
33-34 |
|
第四章 量子遗传算法 |
34-46 |
|
4.1 概述 |
34 |
|
4.2 量子比特编码 |
34-35 |
|
4.3 量子遗传算法流程 |
35-36 |
|
4.4 量子遗传算法的改进及其应用 |
36-40 |
|
4.4.1 量子旋转门 |
36-37 |
|
4.4.2 群体灾变 |
37-38 |
|
4.4.3 多宇宙并行 QGA（Multi-Universe Parallel Quantum Genetic Algorithm, MPQGA） |
38-40 |
|
4.5 量子遗传算法的实现 |
40-45 |
|
4.6 量子遗传算法的应用现状 |
45-46 |
|
第五章 基于量子遗传算法的图像自适应增强方法 |
46-54 |
|
5.1 图像增强概述 |
46 |
|
5.2 灰度图像的自适应增强 |
46-54 |
|
5.2.1 典型图像增强变换函数 |
46-47 |
|
5.2.2 利用量子遗传算法自适应选择非线性变换函数的参数 |
47-48 |
|
5.2.3 实验结果及结论 |
48-54 |
|
第六章 结束语 |
54-55 |
|
6.1 研究结果 |
54 |
|
6.2 未来研究工作 |
54-55 |
|
致谢 |
55-56 |
|
参考文献 |
56-58 |
|
附录：基于量子遗传算法的图像自适应增强源代码 |
58-63 |
|
攻读硕士学位期间发表和录用的论文清单 |
63 |
|
| 【DOI】 | LunWen.ID:2.2008.388248 |
