[发明专利]一种基于多目标优化的区域调光模型

权利要求书

1.一种基于多目标优化的区域调光模型，其特征在于，包括如下步骤：

1)初始化：初始化多目标优化参数和图像参数；

2)迭代进化：使用遗传算子产生一个子代个体并进行评估；

3)更新：使用切比雪夫聚合方法来更新邻域，根据聚合值比较子代个体和邻居个体的最优情况，然后更新邻域，最后更新外部种群EP，非支配解加入到EP中，将支配解从EP中移除。

2.根据1所述的一种基于多目标优化的区域调光模型，其特征在于，步骤1)包括：

1)读入图像后，对图像进行降采样以提升运算速度；

2)设置最大迭代次数maxgen、种群大小N、邻居规模大小T，生成一组均匀分布的权重向量，并且计算权重向量的欧氏距离，将每个权重向量的最近的T个邻居的索引值保存在B中；

3)对采样后的图像进行背光提取得到一个背光矩阵，将二维背光矩阵变为一维个体，作为初始个体，并设置寻优范围在此个体亮度值的正负20以内，若亮度高于255或低于0，则将此背光值设置为255或0；

4)由这个初始个体随机生成N个个体，并对每个个体进行评估，并对评估值进行归一化处理以提高算法性能；

5)设置外部种群EP为空，保存在迭代过程中的个体。

3.根据2所述的一种基于多目标优化的区域调光模型初始化过程，其特征在于，步骤4)由初始化种群中的每个个体得到个体目标函数值，评估过程包括：

1)将一维个体变为二维背光矩阵，对背光矩阵进行背光平滑操作得到与输入图像大小相同，对此矩阵进行像素补偿；

2)计算补偿后图像的均方误差mse；

3)计算功耗pc和对比度cr，公式为：

4.根据1所述的一种基于多目标优化的区域调光模型，其特征在于，步骤2)，随机从B(i)中选择两个所引，然后对两个父代个体使用遗传算子产生一个新的解，如果子代个体的某一维超出设置的亮度上限值或下限值，那么将这一维亮度值设置为上限值或下限值，最后对子代个体进行函数值评估。

5.根据1所述的一种基于多目标优化的区域调光模型，其特征在于，步骤3)，使用蛙跳思想对邻域进行更新，包括：

1)将子代个体的聚合函数值与T个邻居的聚合函数值进行比较，如果子代个体比某个邻居好，那么用子代个体替换掉这个邻居，否则进行第二步；

2)按照青蛙的种群适应度值进行排序，得到邻居中的最优青蛙和最差青蛙，利用最优青蛙的信息产生一个个体，根据这个个体的聚合函数值与T个邻居的聚合函数值进行比较，如果这个个体比某个邻居好，那么用这个个体替换掉这个邻居，否则进行第三步；

3)随机产生两个个体替换掉邻居中最差的两个个体。