[发明专利]基于遗传算法和Shearlet小波的图像滤波算法

权利要求书

1.基于遗传算法和Shearlet小波的图像滤波算法，其特征在于，按以下步骤进行：

1）对Shearlet 变换域的不同尺度、不同方向的分布特征，设计一个各尺度和方向的变化阈值；

2）采用信噪比(PSNR)、和均方误差(MSE)来衡量图像的质量，并将之作为多目标遗传算法的目标函数，其目标函数如下式： ，其中为权值；

3）采用多目标遗传算法来自适应地确定各尺度和方向的最优阈值，实现基于图像内容的自适应去噪。

2.根据权利要求1所述的基于遗传算法和Shearlet小波的图像滤波算法，其特征在于，所述1）步骤中，一种基于Shearlet 尺度和方向的图像内容自适应的阈值选取规则为：

                  ；

其中函数为单极性非线性转移函数，简称为S函数，其特点是函数本身及其导数都是连续的；为当前的尺度等级，为在尺度下Shearlet的第个方向。

3.根据权利要求2所述的基于遗传算法和Shearlet小波的图像滤波算法，其特征在于，其具体步骤如下： 

1)初始化：随机产生多个包括N_pop个个体的初始种群，其个体作为Shearlet小波的权值δ_kj以及S函数的v。设置交换阈值、最大迭代次数、惯性权重、加速因子、分群粒子交换个数、各粒子初始位置和初始速度等； 

2)评价：采用Shearlet变换方法，进行频率域变换、剪切以及还原，把还原的结果，对于每个个体计算目标函数值y₁，评价各微粒的初始适应值、保存初始最好位置及初始最优适应值，更新临时Pareto解集； 

3)选择：重复下面的步骤来选出(N_pop-N_edte)对父代，计算适应值，计算被选择概率，选出一对合适的父代个体； 

4)杂交：对于选出的每一对个体执行杂交操作产生后代； 

5)变异：对杂交操作产生的每个个体执行变异操作： 

6)最优化：从临时Pareto解集中随机选择N_edte个个体，将选出的N_edte各个体添加到前面步骤产生的(N_pop-N_edte)个个体中以构成N_pop个个体的种群； 

7)达标检测：检查停滞条件： 

a)迭代次数超过最大允许迭代次数； 

b)当各分群前后两次迭代的最优适应值之差小于预先设定的阈值； 

达到其中一个者，执行7)；否则返回2)； 

8)终止算法； 

上述步骤中：每一代临时存储一组Pareto，并按代更新；对于带有q个目标的问题，Pareto解中存在个极限点，直接放入下一代种群，设N每一个最大化一个目标提出了精华保留策略，将n个解(包括极限点与一些随机选择的Pareto解)，N_pop表示种群规模，N_edte表示保存的精华解数量。 

4.根据权利要求3所述的基于遗传算法和Shearlet小波的图像滤波算法，其特征在于，所述3)步骤中：在选出进行杂交的个体对之前，由式生成一组新的随机权重，根据式计算每个个体的适应值，第i个个体的被选择概率p_i，由下面的线性比例变换函数定义：