基于适应度函数的相机编码曝光最优码字序列搜索方法

摘要

基于适应度函数的相机编码曝光最优码字序列搜索方法，利用遗传算法进行全局搜索，同时引入模拟退火算法进行局部最优解搜索；构建适应度函数H；设定算法的初始化参数，包括初始种群大小、个体数量、交叉概率、变异概率、迭代次数阈值、模拟退火算法初始温度、稳定温度、退火比率Ratio以及适应度函数阈值；当适应度函数H满足阈值条件或迭代次数i达到设定的迭代次数阈值时，则全局搜索结束，最终得到的解作为编码曝光最优码字序列。

说明书

技术领域

本发明涉及光学计算成像技术领域，尤其涉及基于适应度函数的相机编码曝光最优码字序列搜索方法。

背景技术

在运动目标拍摄成像过程中，经常会遇到在相机曝光时间内成像目标和成像系统发生相对运动，造成成像运动模糊。对于传统曝光模式，相机在曝光时快门始终处于开启状态，其曝光过程相当于在时间域上定义了一个盒式滤波器与图像进行卷积，滤波器低通特性破坏了场景中重要的高频细节信息，使得运动模糊图像复原成为一个高度病态的问题。

编码曝光(Coded Exposure，CE)成像技术是近年来计算成像领域提出的新型曝光成像模式，其核心思想是在相机曝光时间内根据预先设计的二进制编码序列快速地开-关相机快门以保留图像高频信息，将原来的盒装滤波器变为带宽滤波器。与传统曝光模式不同，编码曝光成像模式得到的运动模糊图像，其点扩展函数的傅里叶变换频谱不含零点，使得图像的复原成为一个良态的问题，从而能够快速地使用反卷积方法获得清晰图像。

编码曝光的核心问题是如何选取和确定最优化的相机快门二进制码字序列，使得获取图像尽可能多的保留高频信息，保证逆滤波算法的效果，这就需要快速有效地选取出最优码字序列。现有的码字序列选取方法，往往忽略了复原图像的信噪比因素，同时码字搜索算法的表现不能够优异，算法搜索效率较低，一定程度上影响了编码曝光成像技术的应用和效果。

发明内容

本发明的一个目的在于：针对编码曝光问题，构建用于搜索相机曝光最优码字序列的适应度函数，基于该适应度函数提供一种选取和搜索相机曝光最优码字序列的方法。

本发明采用的技术方案是：基于适应度函数的相机编码曝光最优码字序列搜索方法，利用遗传算法进行全局搜索，同时引入模拟退火算法进行局部最优解搜索；构建适应度函数H；设定算法的初始化参数，包括初始种群大小、个体数量、交叉概率、变异概率、迭代次数阈值、模拟退火算法初始温度、稳定温度、退火比率Ratio以及适应度函数阈值；

当适应度函数H满足阈值条件或迭代次数i达到设定的迭代次数阈值时，则全局搜索结束，最终得到的解作为编码曝光最优码字序列；

具体过程包括：

第1次进行全局搜索时，令i＝1，i表示全局迭代次数，以给定的随机初始种群为全局搜索种群，以后每一次进行全局搜索前，i加上1，更新种群和最优解；第i次全局搜索进行第1次局部搜索时，令ij＝i1，ij表示第i次全局搜索过程中的第j次局部搜索，每一次进行局部搜索前，j加上1；

步骤1：全局搜索，计算种群输入对应的适应度函数H_i′；通过交叉和变异得到下一次迭代的种群结果；

步骤2：引入模拟退火算法开展局部搜索：

在交叉和变异后得到的种群结果中进行一次随机扰动，产生一个扰动新解并计算其对应适应度函数H_i″；

计算适应度函数H_i′和适应度函数H_i″的差，得到

△H_i＝H_i′-H_i″；

若△H_i＜0，则接受该扰动新解，作为此次搜索的局部最优解，并在下一次全局搜索时更新；

若△H_i≥0，则根据Metropolis准则进行处理；

步骤3：判断适应度函数H_i′是否满足阈值条件或全局迭代次数i是否达到初始设定的迭代次数阈值，如果两个条件中有一个满足时，退出全局搜索，搜索过程结束，最终得到的解作为编码曝光最优码字序列；否则，重复步骤1和步骤2。

进一步地，所述根据Metropolis准则进行处理是指：从(0，1)区间中随机挑选一个数R，计算下述不等式：

R≤exp(-△H_i/T_ij)(7)

其中，T_ij表示第i次全局搜索中第j次局部搜索的模拟退火算法温度；

若公式(7)成立，则接受该扰动新解，作为此次搜索的局部最优解，并在下一次全局搜索时更新，结束模拟退火局部搜索，执行步骤1；

若公式(7)不成立，则舍弃该扰动新解，根据设置的退火比率Ratio，计算下次模拟退火温度T_i(j+1)＝T_ij*Ratio，并重复步骤2，继续进行局部最优解搜索；

当下次模拟退火温度T_i(j+1)等于初始设定的稳定温度T_final时，结束模拟退火局部搜索，执行步骤1。

本发明还公开了用于搜索相机曝光最优码字序列的适应度函数构建方法，包括：

(1)对于编码曝光成像拍摄方式，定义曝光快门码字序列：

式中，S_i(i＝1，2，...，n)为二进制码字序列数值，n表示码字序列长度，S_i＝1表示相机快门开启，S_i＝0表示相机快门关闭；所述码字序列表达式中“1”的个数为r，“0”的个数为t，有n＝r+t；

(2)对所述曝光快门码字序列进行离散傅里叶变化操作，计算第一评价准则因子C₁，表示如下：

C₁＝min(|F(S)|)

其中，F(·)表示离散傅里叶变换操作，min(·)表示计算最小值操作；第一评价准则因子C₁表示码字序列点扩散函数幅值的最小值；

(3)计算第二评价准则因子C₂：

其中，var(·)表示计算方差操作；第二评价准则因子C₂表示码字序列自相关程度，表示码字序列点扩展函数的幅值变化剧烈程度；

(4)计算在编码曝光成像拍摄方式下的第三评价准则因子C₃：

其中，表示相机单位曝光时间内获取图像的平均强度，T表示曝光时间，T·r/n表示编码曝光模式下的实际曝光时间；表示解卷积噪声因子，A为编码曝光短曝光模式下的单位矩阵，为一维的循环矩阵；表示相机成像过程中的信号非相关项噪声成分，为固定值；C表示相机常数，C·T·r/n表示信号相关项噪声成分，随曝光时间增加而增加的；第三评价准则因子C₃表示编码曝光模式采集的运动模糊图像信噪比；

(5)计算第四评价准则因子C₄：

C₄＝mean(|F(S)|/(S+1))

第四评价准则因子C₄表示获取图像的低频成分；

(6)构建适应度函数H；

其中，α₁，α₂，α₃，α₄依次表示第一评价因子C₁、第二评价因子C₂、第三评价因子C₃、第四评价因子C₄的权重系数。

本发明可用于编码曝光模式运动目标探测和获取的场景应用，利用最优码字序列进行编码曝光相机快门控制，有助于利用编码曝光成像模式更多地保留图像信息，更好地保留运动模糊图像中的高频信息，有利于提升复原算法处理效果，使得复原算法的处理结果具有更优的清晰度和视觉效果。

附图说明

图1为基于文化基因算法的最优码字序列搜索方法流程图。

图2为文化基因算法搜索得到的最优码字序列的傅里叶变换频域幅值图。

图3为遗传算法得到的最优码字序列傅里叶变换频域幅值曲线图。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体说明。

基于适应度函数的相机编码曝光最优码字序列搜索方法，

利用遗传算法进行全局搜索，同时引入模拟退火算法进行局部最优解搜索；

构建适应度函数H；

设定算法的初始化参数，包括初始种群大小、交叉概率、变异概率、全局迭代次数、模拟退火算法初始温度、稳定温度以及退火比率Ratio；

当适应度函数H满足阈值条件或迭代次数i达到设定的迭代次数阈值时，则全局搜索结束，最终得到的解作为编码曝光最优码字序列。

适应度函数的构建方法，包括：

(1)对于编码曝光成像拍摄方式，定义曝光快门码字序列：

式中，S_i(i＝1，2，...，n)为二进制码字序列数值，n表示码字序列长度，S_i＝1表示相机快门开启，S_i＝0表示相机快门关闭；所述码字序列表达式中“1”的个数为r，“0”的个数为t，有n＝r+t；

(2)对所述曝光快门码字序列进行离散傅里叶变化操作，计算第一评价准则因子C₁，表示如下：

C₁＝min(|F(S)|)

其中，F(·)表示离散傅里叶变换操作，min(·)表示计算最小值操作；第一评价准则因子C₁表示码字序列点扩散函数幅值的最小值；

(3)计算第二评价准则因子C₂：

其中，var(·)表示计算方差操作；第二评价准则因子C₂表示码字序列自相关程度，表示码字序列点扩展函数的幅值变化剧烈程度；

(4)计算在编码曝光成像拍摄方式下的第三评价准则因子C₃：

其中，表示相机单位曝光时间内获取图像的平均强度，T表示曝光时间，T·r/n表示编码曝光模式下的实际曝光时间；表示解卷积噪声因子，A为编码曝光短曝光模式下的单位矩阵，为一维的循环矩阵；表示相机成像过程中的信号非相关项噪声成分，为固定值；C表示相机常数，C·T·r/n表示信号相关项噪声成分，随曝光时间增加而增加的；第三评价准则因子C₃表示编码曝光模式采集的运动模糊图像信噪比；

(5)计算第四评价准则因子C₄：

C₄＝mean(|F(S)|/(S+1))

第四评价准则因子C₄表示获取图像的低频成分；

(6)构建适应度函数H；

其中，α₁，α₂，α₃，α₄依次表示第一评价因子C₁、第二评价因子C₂、第三评价因子C₃、第四评价因子C₄的权重系数。

如图1所示，第1次进行全局搜索时，令i＝1，i表示全局迭代次数，以给定的随机初始种群为全局搜索种群，以后每一次进行全局搜索前，i加上1，更新种群和最优解；第i次全局搜索进行第1次局部搜索时，令ij＝i1，ij表示第i次全局搜索过程中的第j次局部搜索，每一次进行局部搜索前，j加上1。

搜索过程：

步骤1：全局搜索，计算种群输入对应的适应度函数H_i′；通过交叉和变异得到下一次迭代的种群结果；

步骤2：引入模拟退火算法开展局部搜索：

在交叉和变异后得到的种群结果中进行一次随机扰动，产生一个扰动新解并计算其对应适应度函数H_i″；

计算适应度函数H_i′和适应度函数H_i″的差，得到

△H_i＝H_i′-H_i″；

若△H_i＜0，则接受该扰动新解，作为此次搜索的局部最优解，并在下一次全局搜索时更新最优解；

若△H_i≥0，则根据Metropolis准则进行处理：

从(0，1)区间中随机挑选一个数R，计算下述不等式：

R≤exp(-△H_i/T_ij)(7)

其中，T_ij表示第i次全局搜索中第j次局部搜索的模拟退火算法温度；

若公式(7)成立，则接受该扰动新解，作为此次搜索的局部最优解，并在下一次全局搜索时更新最优解，结束模拟退火局部搜索，执行步骤1；

若公式(7)不成立，则舍弃该扰动新解，根据设置的退火比率Ratio，计算下次模拟退火温度T_i(j+1)＝T_ij*Ratio，并重复步骤2，继续进行局部最优解搜索；

当下次模拟退火温度T_i(j+1)等于初始设定的稳定温度T_final时，结束模拟退火局部搜索，执行步骤1。

步骤3：判断适应度函数H_i′是否满足阈值条件或全局迭代次数i是否达到初始设定的迭代次数阈值，如果两个条件中有一个满足时，退出全局搜索，搜索过程结束，最终得到的最优解作为编码曝光最优码字序列；否则，重复步骤1和步骤2。

结合一个具体实施例子来说明算法执行过程和效果。第一评价因子C₁、第二评价因子C₂、第三评价因子C₃、第四评价因子C₄的权重系数设置为：α₁＝1，α₂＝1，α₃＝0.075，α₄＝0.024。该取值为经验值，考虑到各评价因子对选取码字序列的影响权重不同，第一评价因子C₁、第二评价因子C₂对于最优码字的确定更为重要，权重系数α₁和α₂的取值需大于α₃和α₄的数值，实际应用中可在经验值附近适当调整。搜索算法参数初始化设置为：种群大小设为50，个体数量(表示编码序列长度)设为52，交叉概率设为0.85，变异概率设为0.01，模拟退火算法初始温度设为100，稳定温度设为25，退火比率Ratio设为0.95，迭代次数阈值为50次。适应度函数H的取值范围为[36，38]，该范围为经验值，具体取值可以根据拍摄场景内容和复原图像质量适当调整。本实施例中选取的适应度函数阈值为36.5。根据上述步骤进行最优码字序列选取，得到图2，最优码字序列的傅里叶变换频域幅值图。

为了能够更好地说明本发明方法所确定的码字序列的性能，将本发明方法与遗传搜索算法得到的码字序列进行了比较，遗传搜索算法所得到的最优码字序列傅里叶变换频域幅值曲线图如图3所示。

通过matlab计算两种方法得到的最优码字序列频域幅值曲线的最小值和方差值，结果如表1所示。从表1所示的评价结果数据可以看到，相比遗传搜索方法，本发明方法所确定的最优码字序列频域幅值曲线的最小值更大，曲线方差更小，更有利于编码曝光模式下采集图像的频域信息保留。

表1编码序列频域幅值曲线评价比较结果

评价指标幅值曲线最小值幅值曲线方差值本发明方法0.894.73遗传搜索方法0.096.04

以上所述实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其他的变体及改型。