[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

摘要

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。

主权项

1.一种基于F型双链量子遗传算法的小波阈值图像去噪方法，其特征在于：包括以下步骤，步骤一：读入图像灰度值数据f(m,n)，计算出灰度值数据f(m,n)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，对灰度值数据f(m,n)进行多尺度小波分解，获得小波系数W(f(m,n))；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；步骤六：计算染色体中各个基因位的适应度值f(xi)，记录最优解f(xbest)及最优基因位；对步骤二中获得的小波系数W(f(m,n))进行去噪处理；步骤七：判断是否满足迭代次数gen，若满足条件则终止循环并输出步骤六中的最优解f(xbest)及最优基因位，利用处理后的小波系数重构信号，否则进行步骤八；步骤八：利用量子旋转门对种群进行更新；步骤九：利用变异门和变异概率Pm，选择步骤八中产生的新染色体中的量子比特对其实施变异操作，再次获得新一代的染色体，返回步骤五直至满足循环终止条件；所述的改进的双链编码方式为：其中调整因子k为大于等于1的常数；tij为量子比特编码的初始相位角,i表示基因代数，利用改进的双链编码方式生成m条n个基因位的染色体作为初始种群Q(t0m)。