量子進(jìn)化算法及其在圖像稀疏分解中的應(yīng)用.pdf

1、量子進(jìn)化算法(Quantum-InspiredEvolutionaryAlgorithm,QIEA)是量子計(jì)算和進(jìn)化算法相結(jié)合的一種概率搜索算法。以量子計(jì)算的一些概念和理論(如量子位、量子門、量子疊加態(tài)等)為基礎(chǔ),與傳統(tǒng)進(jìn)化算法相比,QIEA更容易在“勘探”與“開采”之間取得平衡,具有全局尋優(yōu)能力強(qiáng)、收斂速度快和種群規(guī)模小等特點(diǎn)。然而,QIEA中量子門的選取、工程應(yīng)用、收斂性及與其它進(jìn)化算法相結(jié)合等問題是值得進(jìn)一步研究和探討。
　

2、　 雖然QIEA在圖像處理中有一些應(yīng)用,但QIEA在圖像稀疏分解中的應(yīng)用和研究還處于初級階段。因此,有必要探索量子進(jìn)化算法在圖像的稀疏分解中的應(yīng)用,以拓展量子進(jìn)化算法的應(yīng)用領(lǐng)域,并能較好地解決圖像稀疏分解計(jì)算復(fù)雜度高的問題,具有很重要的實(shí)際意義。論文的主要工作及研究成果如下:
　　 1、對國內(nèi)外量子進(jìn)化算法、圖像稀疏分解的研究現(xiàn)狀進(jìn)行概述和分析,并指出需要解決的問題。
　　 2、介紹量子計(jì)算和量子進(jìn)化算法的基本理論和相

3、關(guān)概念,給出量子進(jìn)化算法的算法流程圖以及算法的實(shí)現(xiàn)過程,為后面內(nèi)容打下基礎(chǔ)。
　　 3、介紹圖像稀疏分解的基本思想和圖像原子庫,給出圖像稀疏分解的實(shí)現(xiàn)過程和效果評價(jià)標(biāo)準(zhǔn),然后針對基于匹配追蹤(MatchingPursuit,MP)的圖像稀疏分解方法計(jì)算量過大的問題,給出基于量子進(jìn)化算法的圖像稀疏分解快速算法。在此基礎(chǔ)上,對六幅圖像進(jìn)行稀疏分解,以驗(yàn)證圖像稀疏分解快速算法的可行性。實(shí)驗(yàn)結(jié)果表明,基于QIEA的圖像稀疏分解快速算法能

4、有效降低基于MP圖像稀疏分解算法的計(jì)算復(fù)雜度。實(shí)驗(yàn)還分別采用不同的種群規(guī)模、進(jìn)化代數(shù)和圖像分解次數(shù),對圖像進(jìn)行稀疏分解,以驗(yàn)證其對算法性能的影響,為實(shí)驗(yàn)參數(shù)的選擇提供參考。
　　 4、量子旋轉(zhuǎn)門(QuantumRotationgate,QR-gate)是QIEA中的關(guān)鍵算子,是算法的核心,它的好壞直接影響到QIEA的性能。在現(xiàn)有文獻(xiàn)中,主要有六種QR-gate,它們的評價(jià)和選擇是一個值得討論的問題,然而,很少有學(xué)者對這些QR-g

5、ate進(jìn)行比較和評價(jià)。因此,對六種量子旋轉(zhuǎn)門進(jìn)行分析和比較,分析它們各自的更新策略和性能,概述它們的優(yōu)缺點(diǎn),用QIEA來解決圖像稀疏分解中原子最佳匹配的問題進(jìn)行對比實(shí)驗(yàn),以得到六種量子旋轉(zhuǎn)門的性能比較結(jié)果,可為QIEA中量子旋轉(zhuǎn)門的選擇和設(shè)計(jì)提供一些有價(jià)值的參考。
　　 5、為得到一種搜索性能較好的搜索方法,提高圖像稀疏分解的效果,并減少圖像稀疏分解的時間復(fù)雜度高的問題,將改進(jìn)差分進(jìn)化(ImprovedDifferentialE