基于ＱＰＳＯ的圖像融合算法的研究

摘要：提出了一種基于量子行為的粒子群優(yōu)化算法（QPSO）的圖像融合方法。將圖像融合問(wèn)題歸結(jié)為最優(yōu)化問(wèn)題，采用了QPSO算法進(jìn)行優(yōu)化。QPSO不僅參數(shù)個(gè)數(shù)少，其每一個(gè)迭代步的取樣空間能覆蓋整個(gè)解空間，因此能保證算法的全局收斂。與PSO算法和遺傳算法進(jìn)行了比較，證明了QPSO算法在圖像融合中具有良好的效果。 

關(guān)鍵詞：基于量子行為的粒子群優(yōu)化算法; 優(yōu)化; 像素;圖像融合

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2007)05－0298－02

0引言

圖像融合是指將不同類型的傳感器獲得的同一場(chǎng)景的多種信息特征，采用一定的融合算法有機(jī)結(jié)合起來(lái)，產(chǎn)生新圖像的技術(shù)。它是多傳感器信息融合中可視信息部分的融合。圖像融合技術(shù)充分利用了源圖像在空間上的相關(guān)性及信息上的互補(bǔ)性，使得圖像場(chǎng)景獲得更清晰、更全面的表達(dá)，從而增強(qiáng)了圖像的解釋能力，改善了視覺(jué)效果，提高了圖像判讀的可靠性及機(jī)器分類和識(shí)別的準(zhǔn)確性。圖像融合技術(shù)的應(yīng)用領(lǐng)域十分廣泛，如醫(yī)學(xué)、遙感、軍事、計(jì)算機(jī)視覺(jué)及機(jī)器人技術(shù)等，在圖像增強(qiáng)、特征提取等方面都有比較重要的作用。

按圖像信息的表達(dá)方式，圖像融合可以

在像素級(jí)、特征級(jí)、決策級(jí)三個(gè)層次上分別進(jìn)行。本文采用的是像素級(jí)圖像融合。對(duì)像素級(jí)圖像融合而言，已提出的融合算法主要有主成分分析法、進(jìn)化算法以及神經(jīng)網(wǎng)絡(luò)法等。其中進(jìn)化算法包括遺傳算法、蟻群算法、

粒子群算法等。這些融合算法也可以通過(guò)其在空間域內(nèi)執(zhí)行還是在變換域內(nèi)執(zhí)行來(lái)區(qū)分。本文提出了一種新的能保證全局收斂的微粒群算法，即基于量子行為的粒子群優(yōu)化算法

(Quantum－behaved Particle Swarm Optimization， QPSO)[1，2]。實(shí)驗(yàn)證明，QPSO的性能在圖像融合上優(yōu)于其他算法。

1QPSO算法

QPSO也是一種微粒群進(jìn)化算法，用群體和進(jìn)化的概念，同樣也是依據(jù)個(gè)體（微粒）的適應(yīng)值大小進(jìn)行操作。QPSO將每個(gè)個(gè)體看做是Nd維搜索空間中的一個(gè)沒(méi)有重量和體積的微粒，并在搜索空間中以一定的速度飛行。該飛行速度由個(gè)體和群體的飛行經(jīng)驗(yàn)動(dòng)態(tài)調(diào)整。每個(gè)粒子代表Nd維空間中的一個(gè)位置，朝著下面兩個(gè)方向調(diào)整粒子的位置：

①至今發(fā)現(xiàn)的每個(gè)粒子的最優(yōu)位置；

②粒子群的最優(yōu)位置。

每一個(gè)粒子；包含下列信息：

可見(jiàn)，融合效果取決于α。

為了衡量融合效果，設(shè)定融合指標(biāo)G為

G=1/（mn）∑mi=1∑nj=1[Fr(i， j)-R(i， j)]2（5）

圖像融合中的適應(yīng)性函數(shù)可按式（5）計(jì)算。由式（5）可知，融合指標(biāo)G越小，則融合圖像與原始圖像的偏差越小，說(shuō)明融合效果越好。

3QPSO融合圖像的完成過(guò)程

基于QPSO融合方法的融合步驟偽代碼如下：

通過(guò)上面的實(shí)驗(yàn)數(shù)據(jù)發(fā)現(xiàn)，使用QPSO算法可以很快地得到最優(yōu)值（幾乎都在迭代前五次的時(shí)候），而且通過(guò)方差和平均值可以看出，QPSO算法在處理的過(guò)程中比其他兩種方法都穩(wěn)定。由于遺傳算法以及PSO算法相對(duì)于QPSO算法來(lái)講，有大量的參數(shù)需要調(diào)整，在實(shí)現(xiàn)時(shí)比較麻煩；而QPSO由于參數(shù)較少，實(shí)現(xiàn)起來(lái)比較容易。

另外，利用本文算法對(duì)其他圖像也進(jìn)行了實(shí)驗(yàn)，得到了很好并且一致的效果。所有的融合結(jié)果表明了QPSO算法是非常穩(wěn)定，并且融合效果是令人滿意的。

參考文獻(xiàn)：

［1］SUN Jun，XU Wenbo.A global search strategy of quantum－behaved particle swarm optimization:proceedings of IEEE Conference on Cybernetics and Intelligent Systems[C].[S.l.]:[s.n.]， 2004:111－116.

［2］SUN Jun， FENG Bin， XU Wenbo.Particle swarm optimization with particles having quantum behavior: proceedings of 2004 Congress on Evolutionary Computation[C].[S.l.]:[s.n.]， 2004:325－331.［3］覃征，鮑復(fù)民，李愛(ài)國(guó)，等.數(shù)字圖像融合[M].西安:西安交通大學(xué)出版社，2004:26－52.

［4］曾建潮，介婧，崔志華.微粒群算法[M].北京:科學(xué)出版社，2004.

［5］朱虹.數(shù)字圖像處理基礎(chǔ)[M].北京:科學(xué)出版社，2005.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”