基于DNA萤火虫优化的盲均衡与图像盲恢复方法技术

本发明专利技术公开了基于DNA萤火虫优化的盲均衡与图像盲恢复方法。本发明专利技术方法首先利用DNA遗传方法优化萤火虫种群得到DNA萤火虫优化方法，再将得到的DNA萤火虫优化方法与图像盲恢复方法相结合，利用DNA萤火虫优化方法的全局搜索能力来优化盲均衡器的初始权向量，以优化获得的初始权向量为盲均衡器权向量更新的起始点，按盲均衡器权向量更新方法进行更新，提高了图像盲复原效果，而且在图像盲复原过程中无需对图像进行降维和升维处理，减少了信息丢失，图像恢复效果更好，因此本发明专利技术方法在通信技术领域有很强的实用价值。

【技术实现步骤摘要】
基于DNA萤火虫优化的盲均衡与图像盲恢复方法
本专利技术涉及图像盲恢复领域，特别是一种基于DNA萤火虫优化的盲均衡与图像盲恢复方法，属于图像盲恢复领域。
技术介绍
图像复原是从退化图像中恢复被退化的图像，图像复原方法对图像复原质量是至关重要的。对此，学者们做了许多基础性的研究工作，获得了维纳滤波、约束最小二乘、最大熵复原等经典算法，但这些算法都是以已知点扩展函数(Pointspreadfunction，PSF)为前提。而实际图像系统的PSF一般是未知的，只能根据“特定的”图像观测数据来还原“特定的”PSF和“特定的”原图像，这是图像盲恢复问题。在目前的图像盲恢复算法中，主要是采用降维思想，将二维图像通过降维方法转换为一维信号，再用盲均衡技术对一维信号进行盲处理，将处理后的信号再进行升维便于复原成二维图像。这类算法会导致信息丢失；同时，复原图像质量达不到应用要求，其主要原因在于盲均衡算法初始化问题，产生了局部收敛。DNA计算是近年来兴起的一种并行计算新模式，具有强大的并行性和高密度的信息存储能力。萤火虫优化(GlowwormSwarmOptimization，GSO)算法也是近年来广受关注的一种新群智能优化算法，主要是模拟萤火虫发光越强吸引同伴越多这一现象，通过各个萤火虫个体，在视野范围内寻找最亮的萤火虫，向最亮的萤火虫移动来实现寻优的目的。随着优化命题的复杂程度和规模的不断提高，使用单一的智能优化算法很难得到满意的解，因此在萤火虫算法基础上，加入DNA遗传算法，融合成为一种具良好全局寻优能力和较强跳出局部最优解能力的新算法，并应用于图像盲复原中，应是一次有意义的尝试。为改善图像盲复原效果，本文将DNA计算与萤火虫优化方法相结合，首先专利技术了一种DNA萤火虫优化方法，再将该方法与盲均衡技术相融合，应用于二维图像盲复原中，公开了一种基于DNA萤火虫优化方法的二维图像盲复原方法。该方法主要利用DNA萤火虫优化的全局搜索能力，提高了图像复原效果；无需进行降维和升维处理，减少了信息丢失。
技术实现思路
为了解决上述技术问题，本专利技术提供了基于DNA萤火虫优化的盲均衡与图像盲恢复方法。为了达到上述目的，本专利技术所采用的技术方案是：基于DNA萤火虫优化的盲均衡与图像盲恢复方法，包括以下步骤：步骤1，将灰度图像信号a(k1,k2)经过传输信道h(k1,k2)后得到信号s(k1,k2)，0＜k1≤K1和0＜k2≤K2为正整数，为图像像素点的坐标；表示卷积运算；步骤2，步骤1所述信号s(k1,k2)受信道噪声n(k1,k2)影响得到退化图像信号x(k1,k2)，x(k1,k2)为均衡器的输入信号；其中，步骤3，步骤2所述的输入信号x(k1,k2)经过均衡器得到输出信号y(k1,k2)，即为复原图像信号；其中，其中，其中，j为迭代次数；所选均衡器Wj为D×D维权矩阵，Wj(m,n)为第j次迭代的权矩阵第m行第n列上的元素；Xj(m,n)为第j次迭代的均衡器输入信号，Xj(m,n)＝x(k1-m+1,k2-n+1)，(m,n＝1,2,...,D)；步骤4，利用新型DNA遗传方法优化萤火虫种群，得到新型DNA萤火虫优化方法；步骤5，通过新型DNA萤火虫优化方法得到萤火虫种群的最优位置向量，并将其作为均衡器W(m,n)的初始最优权矩阵W1(m,n)；所述W(m,n)的第j次迭代表示为Wj(m,n)，其更新公式为Wj+1(m,n)＝Wj(m,n)+2μejXj(m,n)yj(m,n)；yj(m,n)为第j次迭代所得到的输出信号；其中，ej为误差信号，ej＝RCM-|yj(k1,k2)2|，是由误差函数生成，μ为迭代步长；其中，为发射信号的统计模值，一般为常数，二维均衡器的作用就是调节均衡加权矩阵Wj(m,n)，使均方误差ej最小，所以均衡器的目的就是求出一组权系数，使上式的均方误差最小；新型DNA萤火虫优化方法获取步骤如下：步骤4-1，设置DNA萤火虫优化方法的初始种群及参数；在一个n维搜索空间中，随机创建一个规模为D的萤火虫种群，其位置向量为赋予每只萤火虫相同的初始荧光素值l(k3,1)＝l0和初始动态决策范围R(k3,1)＝R0，其中0＜k3≤D；每只萤火虫有D个位置，W1S为第1只萤火虫的D维位置向量，其中，l(k3,1)表示第k3个萤火虫第1个位置上的荧光素值，R(k3,1)表示第k3个萤火虫第1个位置上的动态决策范围；其中，随机分配的D×D维位置向量为其中，WS(k3,k4)表示随机产生的第k3只萤火虫的第k4个位置；定义最大进化代数sg1，定义最大迭代次数sg2；步骤4-2，确定适应度函数；将常模盲均衡方法的代价函数的倒数定义为DNA萤火虫优化方法的适应度函数，即其中，J(WS(k3,k4))为常数模盲均衡方法的代价函数，RCM为CMA的统计模值；步骤4-3，计算萤火虫群中每只萤火虫位置向量的适应度函数值并将适应度函数值从大到小排列；其中，前一半对应的是优质萤火虫种群，后一半则为劣质萤火虫种群，适应度值最大的位置向量为当前全局最优位置向量，对应的萤火虫个体为最优萤火虫个体；步骤4-4，执行新型交叉操作和新型变异操作，获得新一代萤火虫群；产生一个随机数rand1∈(0,1)，与普通交叉概率pc1比较，若rand1＜pc1，则执行普通交叉操作；再次产生一个随机数rand2∈(0,1)，与换位旋转交叉概率pc2比较，若rand2＜pc2，则执行换位旋转交叉操作；产生一组与萤火虫个体DNA位置向量维数相同的(0,1)上的随机数，这组随机数中的元素与DNA序列位置向量中的元素一一对应，将所有随机数分别与普通变异概率pm1比较，若随机数小于pm1，则执行普通变异操作；再次产生一组与萤火虫个体DNA位置向量维数相同的(0,1)上的随机数，分别与新密码子变异概率pm2比较，若随机数小于pm2，则执行新密码子变异操作；步骤4-5，判断是否达到最大进化代数sg1，如果否，则转至步骤4-6，否则，转至步骤步骤4-7；步骤4-6，得到所有萤火虫个体的位置向量，转至4-3；步骤4-7，获得最优萤火虫群。利用新型DNA萤火虫优化方法得到萤火虫种群的最优位置向量的步骤如下：步骤5-1，计算最优萤火虫群中所有萤火虫位置向量的适应度函数值，选取适应度函数值最大的位置向量为当前最优位置向量；步骤5-2，更新萤火虫荧光素值，确定邻域，更新萤火虫位置和动态决策范围，进行适应度函数值计算，选取适应度函数值最大的位置向量为当前最优位置向量；步骤5-3，比较步骤5-2和步骤5-1中最优位置向量的适应度函数值，取适应度函数值最大的位置向量为全局最优位置向量；步骤5-4，判断是否达到最大迭代次数sg2，如果是，则转至步骤5-5，如果否，则转至步骤5-2；步骤5-5，获得全局最优位置向量，该最优位置向量WS作为均衡器权矩阵的初始最优权矩阵W1(m,n)。新型DNA遗传方法中的新型交叉操作和新型变异操作的具体过程为，所述新型交叉操作过程包括普通交叉操作：在萤火虫种群中随机选取两个萤火虫个体作为父体，通过普通交叉概率pc1执行交叉操作，即选取两段位置、碱基个数都相同的碱基序列，作为一组配对，将交叉点间的碱基串位置互换，得到两个新的萤火虫个体，代替原来选取的两个萤火虫个体；换本文档来自技高网...

【技术保护点】
基于DNA萤火虫优化的盲均衡与图像盲恢复方法，其特征在于：包括以下步骤，步骤1，将灰度图像信号a(k

【技术特征摘要】
1.基于DNA萤火虫优化的盲均衡与图像盲恢复方法，其特征在于：包括以下步骤，步骤1，将灰度图像信号a(k1,k2)经过传输信道h(k1,k2)后得到信号s(k1,k2)，0＜k1≤K1和0＜k2≤K2为正整数，为图像像素点的坐标；表示卷积运算；步骤2，步骤1所述信号s(k1,k2)受信道噪声n(k1,k2)影响得到退化图像信号x(k1,k2)，x(k1,k2)为均衡器的输入信号；其中，步骤3，步骤2所述的输入信号x(k1,k2)经过均衡器得到输出信号y(k1,k2)，即为复原图像信号；其中，其中，其中，j为迭代次数，所选均衡器Wj为D×D维权矩阵，Wj(m,n)为第j次迭代的权矩阵第m行第n列上的元素；Xj(m,n)为第j次迭代的均衡器输入信号，Xj(m,n)＝x(k1-m+1,k2-n+1)，(m,n＝1,2,...,D)；步骤4，利用DNA遗传方法优化萤火虫种群，得到DNA萤火虫优化方法；步骤5，通过DNA萤火虫优化方法得到萤火虫种群的最优位置向量，并将其作为均衡器W(m,n)的初始最优权矩阵W1(m,n)；所述W(m,n)的第j次迭代表示为Wj(m,n)，其更新公式为Wj+1(m,n)＝Wj(m,n)+2μejXj(m,n)yj(m,n)；yj(m,n)为第j次迭代所得到的输出信号；其中，ej为误差信号，ej＝RCM-|yj(k1,k2)2|，是由误差函数生成，μ为迭代步长；其中，为发射信号的统计模值，一般为常数，二维均衡器的作用就是调节均衡加权矩阵Wj(m,n)，使均方误差ej最小，所以均衡器的目的就是求出一组权系数，使上式的均方误差最小。2.根据权利要求1所述的基于DNA萤火虫优化的盲均衡与图像盲恢复方法，其特征在于：步骤4所述DNA萤火虫优化方法获取步骤如下：步骤4-1，设置DNA萤火虫优化方法的初始种群及参数；在一个n维搜索空间中，随机创建一个规模为D的萤火虫种群，其位置向量为赋予每只萤火虫相同的初始荧光素值l(k3,1)＝l0和初始动态决策范围R(k3,1)＝R0，其中0＜k3≤D；每只萤火虫有D个位置，W1S为第1只萤火虫的D维位置向量，其中，l(k3,1)表示第k3个萤火虫第1个位置上的荧光素值，R(k3,1)表示第k3个萤火虫第1个位置上的动态决策范围；其中，随机分配的D×D维位置向量为其中，WS(k3,k4)表示随机产生的第k3只萤火虫的第k4个位置；定义最大进化代数sg1，定义最大迭代次数sg2；步骤4-2，确定适应度函数；将常模盲均衡方法的代价函数的倒数定义为DNA萤火虫优化方法的适应度函数，即其中，J(WS(k3,k4))为常数模盲均衡方法的代价函数，RCM为CMA的统计模值；步骤4-3，计算萤火虫群中每只萤火虫位置向量的适应度函数值并将适应度函数值从大到小排列；其中，前一半对应的是优质萤火虫种群，后一半则为劣质萤火虫种群，适应度值最大的位置向量为当前全局最优位置向量，对应的萤火虫个体为最优萤火虫个体；步骤4-4，执行新型交叉操作和新型变异操作，获得新一代萤火虫群；产生一个随机数rand1∈(0,1)，与普通交叉概率pc1比较，若rand1＜pc1，则执行普通交叉操作；再次产生一个随机数rand2∈(0,1)，与换位旋转交叉概率pc2比较，若rand2＜pc2，则执行换位旋转交叉操作；产生一组与萤火虫个体DNA位置向量维数相同的(0,1)上的随机数，这组随机数中的元素与DNA序列位置向量中的元素一一对应，将所有随机数分别与普通变异概率pm1比较，若随机数小于pm1，则执行普通变异操作；再次产生一组与萤火虫个体DNA位置向量维数相同的(0,1)上的随机数，分别与新密码子变异概率pm2比较，若随机数小于pm2，则执行新密码子变异操作；步骤4-5，判断是否达到最大进化代数sg1，如果否，则转至步骤4-6，否则，转至步骤步骤4-7；步骤4-6，得到所有萤火虫个体的位置向量，转至4-3；步骤4-7，获得最优萤火虫群。3.根据权利要求1所述的基于DNA萤火...

【专利技术属性】
技术研发人员：郭业才，陆璐，何宽，禹胜林，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32