m基于遗传优化的阈值分割算法的雾天图像去雾增强matlab仿真
1.算法仿真效果
matlab2022a仿真结果如下：
2.算法涉及理论知识概要
遗传算法GA把问题的解表示成“染色体”，在算法中也即是以二进制编码的串。并且，在执行遗传算法之前，给出一群“染色体”，也即是假设解。然后，把这些假设解置于问题的“环境”中，并按适者生存的原则，从中选择出较适应环境的“染色体”进行复制，再通过交叉，变异过程产生更适应环境的新一代“染色体”群。这样，一代一代地进化，最后就会收敛到最适应环境的一个“染色体”上，它就是问题的最优解。
其主要步骤如下：
1．初始化
选择一个群体，即选择一个串或个体的集合bi，i=1，2，...n。这个初始的群体也就是问题假设解的集合。一般取n＝30-160。
通常以随机方法产生串或个体的集合bi,i＝1，2，...n。问题的最优解将通过这些初始假设解进化而求出。
2．选择
根据适者生存原则选择下一代的个体。在选择时，以适应度为选择原则。适应度准则体现了适者生存，不适应者淘汰的自然法则。
给出目标函数f，则f(bi)称为个体bi的适应度。以
为选中bi为下一代个体的次数。
显然．从式(3—86)可知：
(1)适应度较高的个体，繁殖下一代的数目较多。
(2)适应度较小的个体，繁殖下一代的数目较少；甚至被淘汰。
这样，就产生了对环境适应能力较强的后代。对于问题求解角度来讲，就是选择出和最优解较接近的中间解。
3．交叉
对于选中用于繁殖下一代的个体，随机地选择两个个体的相同位置，按交叉概率P。在选中的位置实行交换。这个过程反映了随机信息交换；目的在于产生新的基因组合，也即产生新的个体。交叉时，可实行单点交叉或多点交叉。
————————————————
将遗传算法应用于雾天图像的区域分割，从而使图像清化．该方法首先用遗传算法求出近景和远景的分割阈值将图像分割出来，然后通过移动模板对整个图像进行相应的清晰化处理，防止区域边界效应的产生，最后对获取的图像进行信息融合，进一步提高图像质量,有效改善雾天图像的退化现象，提高图像的清晰度．
主要包含如下的步骤：
·遗传算法求出近景和远景的分割阈值将图像分割出来
·通过移动模板对整个图像进行相应的清晰化处理
·最后对获取的图像进行信息融合
3.MATLAB核心程序
%最佳阈值
Level = floor(yuzhi(1,maxgen));
[m,n]=size(C);
for i=1:m
for j=1:n
if C(i,j) <= Level
C(i,j)=0;
else
C(i,j)=255;
end
end
end
subplot(122);
imshow(C);
title('根据遗传算法得到的阈值分割后的雾图');
figure;
plot(yuzhi,'-bs',...
'LineWidth',1,...
'MarkerSize',6,...
'MarkerEdgeColor','k',...
'MarkerFaceColor',[0.9,0.0,0.0]);
xlabel('迭代次数');
ylabel('优化阈值');
%%
%%
%然后通过移动模板对整个图像进行相应的清晰化处理，防止区域边界效应的产生，
%然后通过移动模板对整个图像进行相应的清晰化处理，防止区域边界效应的产生，
%然后通过移动模板对整个图像进行相应的清晰化处理，防止区域边界效应的产生，
%分别报出分割后的两个部分的图像
Near = zeros(m,n);
Far = zeros(m,n);
for i=1:m
for j=1:n
if C(i,j) == 0%近图
Near(i,j) = B(i,j);
end
if C(i,j) == 255%远图
Far(i,j) = B(i,j);
end
end
end
Near2 = zeros(m,n);
Far2 = zeros(m,n);
FF = zeros(m,n);
FF2 = zeros(m,n);
%假设移动模块的大小为4*4
WIN = 4;
a1 = 0.4;%处理前后两个图片的所占权重
a2 = 0.7;%处理前后两个图片的所占权重
Bmax = max(max(B));
r = Level/double(Bmax);
