基于遗传算法的分形图象压缩的研究

摘要

遗传算法是模仿自然界的进化过程的一类随机优化算法,一般应用于控制参数、约束函数等优化,对非线性,多极值问题尤为有效.该文所做的工作是:首先,针对搜索的复杂度和使得搜索达到全局最优解的问题,对定义域块的位置和旋转进行二进制编码,将遗传算法应用于图象分形压缩;其次,根据群体多样性原则随着进化的进行自适应调整控制参数,从而能有效地克服传统搜索方法的缺点,快速地找到最优解,提高压缩质量;再次,分析了基于遗传算法的分形图象压缩技术中导致解码时小部分块迭代不收敛和分块效应的产生的原因,建立数学模型用广义收敛的观点来看待不收敛问题,以及利用非线性滤波技术减弱分块效应;最后,算法得到了计算实现,分析结果表明:该方法在保证图象解压质量和压缩比的同时,能够有效地提高搜索效率.

目录

文摘

英文文摘

1绪论

1.1引言

1.2近十年来分形图象压缩的进展

1.3遗传算法概述

1.4本文的研究工作介绍

2分形图象压缩的数学基础

2.1引言

2.2分形几何学的基本概念

2.3迭代函数系统

2.4分形图象压缩的基本原理

2.5小结

3基于遗传算法的分形图象压缩方法

3.1引言

3.2遗传算法原理及实现

3.3用PIFS方法对图象进行压缩

3.4基于遗传算法(GA)的PIFS

3.5解码

3.6小结

4数值试验及结论

4.1引言

4.2试验1

4.3试验2

4.4试验3

4.5小结

5全文总结与展望

致谢

参考文献

附录1攻读学位期间发表论文目录