19、图像混沌吸引子与中文手写作者分类研究

图像混沌吸引子与中文手写作者分类研究

1. 图像混沌吸引子研究

在图像识别领域,混沌吸引子被发现可作为一种新的图像识别特征。研究图像函数的混沌特性具有重要意义,尽管此前有关于混沌研究在图像识别中的应用讨论,但将图像作为函数构建动态系统的应用实例尚属空白。

1.1 曲线与图像的动态系统
  • 图像函数与正弦函数 :从Lena图像中截取特定部分,保留第110到195行、第110到175列,去除难以产生混沌的部分,然后使用Matlab中的Imresize函数将其调整为256*256大小。二维高斯函数如下:
    [f(x,y)=\frac{1}{2\pi\sigma^2}e^{-\frac{x^2 + y^2}{2\sigma^2}}]
    为了更好地应用,调整其高度后得到:
    [f(x,y)=\frac{k}{2\pi\sigma^2}e^{-\frac{x^2 + y^2}{2\sigma^2}}]
    当(\sigma = 3),(k = 57),(x,y\in[-10,10])时,可得到相应的图像;将(x,y)调整为([-6,6]),又能得到另一种图像。由高斯函数(f(x,y))和图像函数(g(x,y))组成的动态系统为:
    [\begin{cases}f(x,y)=\frac{k}{2\pi\sigma^2}e^{-\frac{x^2 + y^2}{2\sigma^2}}\g(x,y)\end{cases}]
  • 迭代方法与图像吸引子 :首先将图像转换为灰度图像,然后调整大小为256*256。迭代方法如下:
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值