图像增强基于量子遗传算法实现图像增强matlab源码

Posted 2021-05-24 Matlab走起

1、基本概念

（1）量子遗传算法是量子计算与遗传算法相结合的智能优化算法，由K.H.Han等人提出，其将量子态、量子门、量子状态特性、概率幅等量子概念引入到遗传算法当中。量子遗传算法也是一种概率搜素算法，它采用量子位来表示基因。遗传算法的基因所表达的是某一确定的信息，而量子遗传算法中，由于量子信息的叠加性使量子位所表达的基因包含所有可能的信息。

（2）在量子计算中，量子比特｜0〉和｜1〉表示微观粒子的两种基本状态，根据叠加原理，量子信息的叠加态可以表示为这两个基本态的线性组合，即｜ψ〉=α｜0〉+β｜1〉，式中α和β为复数，表示量子位状态的概率幅，其中和分别表示量子态｜ψ〉因测量导致坍缩到｜0〉态和｜1〉态的概率，且满足的归一化条件

（3）在量子遗传算法中，染色体采用量子位的概率幅进行编码，编码方案如下：

θ为量子比特的相位，n为染色体数目，k为量子位的位数即解空间的维数，rand是[0,1]范围内的随机数。每个量子位为分上下两行，分别对应两个量子基本态的概率幅，满足归一化条件，因此每个个体包含上下两条文化基因链，每条基因链是优化问题的一个候选解。由此可知，量子遗传算法在种群规模不变的情况下，候选解个数比遗传算法多一倍，增加了解空间的多样性，提高了寻优成功的概率。

（4）在量子遗传算法中，采用量子旋转门改变量子比特相位，以更新量子位的概率幅，从而达到基因变异的效果。

2、量子遗传算法的基本步骤：

step1：初始化父代染色体

step2：对每个染色体基因位即量子位进行测量，得到一个状态。对每个状态计算适应度，记录最佳个体及适应度。

step3：遗传进化设定的代数，其中采用量子旋转门对每一代染色体进行遗传变异。

step4：达到终止条件，输出最佳个体及适应度。

% 利用量子遗传算法进行图像增强
clc,clear all;close all;
%% read picture
img=rgb2gray(imread('test1.jpg'));
img=imresize(img,0.7);  
figure(1);
imhist(img);            % 原始图像直方图
figure(2);
imshow(img);            % 原始图像
img=double(img);
[row,colume]=size(img); % 图像大小
num_pixel=row*colume;   % 像素个数
%% 利用QGA求最优的alpha, beta
MAX_Geneic=20;          % 遗传代数
sizePopu=10;            % 初始种群数目
tic;
best=QGA_Sharpen(img,MAX_Geneic,sizePopu);
disp(['The total time is ' num2str(toc) 's']);
fprintf('The final alpha is %f\\n',best.B(1));
fprintf('The final  beta is %f\\n',best.B(2));
fprintf('The best fitness value is %f\\n',best.fitnessVal);
%% 画出非线性函数（Beta函数）图像
x=0:0.01:1;
y=pdf('beta',x,best.B(1),best.B(2));
figure(4);
plot(x,y);
%% 处理之后的图像灰度值
img_sharp=best.sharpImg;
figure(5);
imhist(uint8(img_sharp));  % 锐化后图像直方图
figure(6);
imshow(uint8(img_sharp));  % 可视化处理后图像
%imwrite(uint8(cameraman),'test2_opt.jpg');

完整代码或者仿真咨询添加QQ1575304183