[发明专利]一种基于F型双链量子遗传算法的小波阈值图像去噪方法

说明书

本发明公开了一种基于F型双链量子遗传算法的小波阈值图像去噪方法。首先，对编码空间进行单值映射处理，缩小算法的搜索空间，增加搜索密度；其次在量子更新时引入了自适应步长因子，使步长随目标函数在搜索点处梯度的变化而变化，有效解决了目前传统寻优算法普遍存在的“振荡”现象所引起的全局最优解搜索困难的问题；最后，在染色体变异更新时提出了π/6门，改善了原来非门变异无法更新量子比特概率幅的缺点。本发明还将F_DCQGA优化算法应用于小波阈值去噪的阈值选择机制中，同时提出自适应阈值函数，进而完成对传统小波阈值去噪方法的改进。本发明提高了小波阈值函数的收敛速度和搜索精度。

技术领域

本发明属于量子计算和图像去噪领域，尤其涉及一种基于F型双链量子遗传算法的小波阈值图像去噪方法。

背景技术

量子计算概念是由物理学家Feynman在1982年提出的，其主体思想就是用微观粒子(量子)的纠缠、叠加和相干等特性解决经典计算中无法解决的NP问题。之后，PeterShor、Grover分别提出了分解大数质因子的量子算法和量子搜索算法等，给量子计算的研究注入了新的活力，引发了量子计算研究的热潮。量子突出的并行计算能力被应用到各类优化算法中，量子遗传算法(Quantum Genetic Algorithm，QGA)的种群规模小、搜索能力强、收敛速度快等优点在受到学者们关注的同时也再不断的对其提出改进，其中双链量子遗传算法(Double Chains Quantum Genetic Algorithm，DCQGA)弥补了量子遗传算法的缺陷，提高了量子优化算法的效率和精度，得到了广泛的应用。但DCQGA优化算法自身也存在不足，首先，它的编码空间范围为(0,2π)，空间范围较大，影响收敛速度；其次，它量子更新策略的步长调整是基于上一次的迭代初值，会导致步长的调整超出合理范围，影响收敛精度；最后，其染色体变异环节采用非门处理没有达到更新量子比特概率幅的目的。之后有研究人员对其进行改进，其中，沙林秀等人提出的“一种变步长双链量子遗传算法”对编码空间进行改进，但未考虑压缩后编码空间变为单值函数，没有起到增加搜索密度的目的；Om H等人在“An Improved Image Denoising Method Based on Wavelet Thresholding”中提出利用Hadamard门作为变异操作，但这种操作变异尺度过大，易引起种群退化现象。

小波变换能把信号的主要能量集中在少部分的小波分解系数上，而噪声通过小波变换后其能量分布在大多数的分解系数上。通过小波变换，有用信号的小波分解系数幅值相对较大，噪声的小波分解系数幅值小。小波变换的这种能将有用信号“集中”的能力受到人们的关注，Donoho等人根据小波变换的这一特性提出了小波阈值去噪的方法并得到了广泛的应用。小波阈值去噪的关键就是阈值和阈值函数的选取，而目前对于小波阈值的改进大部分还是在如何确定一个最优的固定阈值，即在小波分解的不同层数选用相同的阈值。而信号和噪声在小波变换域内随着尺度的变化所呈现出的变化规律是不同的，噪声的小波分解系数会随着尺度的增加而减小，而信号的变化规律正好相反。这种固定阈值的方式是不科学的。

发明内容

本发明的目的是提供一种搜索精度高、去噪效果好的，基于F型双链量子遗传算法的小波阈值图像去噪方法。

一种基于F型双链量子遗传算法的小波阈值图像去噪方法，包括以下步骤，

步骤一：读入图像灰度值数据f(x)，计算出数据f(x)的峰值信噪比F；

步骤二：选择小波基函数，确定小波分解层数j，对数据f(x)进行多尺度小波分解，获得小波系数W(f(x))；

步骤三：F型双链量子遗传算法参数初始化：种群规模m，染色体基因位数n，最大迭代次数gen，变异概率Pm；

步骤四：利用改进的双链编码方式，进行种群初始化；

步骤五：将初始化种群中的上下两条并行基因链所表示的近似解与搜索空间内的优化解建立一一映射关系；