結合PSO及圖像品質評估演算法識別頻譜訊號

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：6

、訪客IP：3.145.173.112

姓名

舒成智(Shu Cheng Chih) 查詢紙本館藏

畢業系所

通訊工程學系在職專班

論文名稱

結合PSO及圖像品質評估演算法識別頻譜訊號
(Signal Spectrum Reorganization Based on Combining Particle Swarm Optimization and Universal Image Quality Index Algorithm)

相關論文

★ Branch and Bound 演算法在全光網路包含串音局限的限制條件之最佳化規劃效能分析	★ 平行式最佳區塊碼解碼演算法
★ 數位廣播之視訊系統架構與信號估測	★ 粒子群優化演算法應用於電信業解決方案選商及專案排程之優化
★ 結合PSO及K-Means聚類分析演算法的圖像分割	★ 利用粒子群優化演算法改善分群演算法在訊號分群上之應用
★ 應用模糊聚類與粒子演算法之色彩分群研究	★ 粒子群優化演算法應用於企業更新數據網路採購之優化
★ 粒子群演算法應用於無線區域網路產品硬體開發成本優化	★ 粒子群演算法應用企業伺服器負載平衡之省電優化
★ 粒子群優化演算法應用於瓦斯業微電腦瓦斯表自動讀表之優化	★ 近場通訊之智慧倉儲管理
★ 在Android 平台上實現NFC 室內定位	★ 適用於訊號傳輸暨無線電力傳輸之設計
★ 粒子群優化與二維Otsu演算法於影像二元化閥值選取研究	★ 利用A*解碼法應用到線性區塊碼的最大可能性解碼之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

圖像品質評估演算法在圖像壓縮品質，或圖像相似度估測上都有廣泛的應用，其中UQI(Universal Image Quality Index)演算法更是在評測圖像相似度的應用上有很好的效果。PSO(Particle Swarm Optimization)是一個很容易實現的演算法，並且具備參數設定少及快速收斂的特性，應用在圖像分割、路徑規劃、圖形辨識及尋求最佳解等都有很好的效果。本研究提出運用PSO結合UQI的方式，並透過調整PSO各項參數以識別頻譜訊號並提升搜尋處理的時效。
本論文研究UQI識別頻譜訊號，及PSO結合UQI識別頻譜訊號的方法，並對二者的處理效能進行比較。從研究結果發現，透過適當的參數調整，PSO結合UQI的方式具備更佳的處理速度，可以大幅提昇頻譜訊號識別的處理效能。

摘要(英)

Image quality assessment algorithms are widely used in image compression quality or image similarity estimation. UQI(Universal Image Quality Index) algorithms has very good results in the evaluation on the image similarity. PSO(Particle swarm optimization) is a very easy to implement algorithms. It has less parameter setting and fast convergence characteristics, and it has good effect in image segmentation, path planning, pattern recognition, and seeking the optimal solution. This study proposes a way which combine PSO and UQI, and through adjustment PSO parameters to get better timeliness of the recognition spectrum signal.
This thesis uses UQI algorithm alone and PSO combine UQI to identify spectrum signal, and it compares the processing performance of the two methods. From the research we can understand that just through appropriate parameter adjustments, the method of PSO combined with UQI can have better processing performance for improving the efficacy of the spectrum signal identification.

關鍵字(中)

★ 粒子群
★ 通用圖像評估指標

關鍵字(英)

★ PSO
★ UQI

論文目次

摘要 i
Abstract ii
誌謝 iii
目錄 iv
表目錄 vi
第一章緒論 1
1-1 研究動機與目的 1
1-2 論文架構與流程 3
第二章演算法介紹(PSO、圖像品質評估) 5
2-1 PSO 5
2-1-1 PSO演算法介紹 5
2-1-2 PSO運算原理 7
2-1-3 PSO方程式介紹 9
2-1-4 PSO參數說明 13
2-2 圖像評估演算法介紹 15
2-2-1 均方差(Mean Square Error, MSE) 16
2-2-2 均方根誤差(Root Mean Square Error, RMSE) 17
2-2-3 通用圖像品質指標(Universal Image Quality Index, UQI) 18
第三章 PSO結合UQI之研究 21
3-1 UQI識別頻譜訊號說明 21
3-2 PSO結合UQI說明 23
3-3 PSO結合UQI之程序 24
第四章 PSO結合UQI識別頻譜訊號 27
4-1 UQI識別頻譜訊號實作 27
4-2、實作PSO結合UQI識別頻譜訊號 30
4-2-1 實驗方法 31
4-2-2 結果分析 50
第五章結論 52
參考文獻 53

參考文獻

[1] Kennedy J, Eberhart R C. Particle Swarm Optimization[C]. Proceedings of IEEE International Conference on Neutral Networks, Perth, Australia, pp.1942-1948, vol.4, 1995.
[2]Wang, Z. and Bovik, A. C., A universal Image Quality Index, IEEE Signal Processing Letters, 9(3), pp.81-84, 2002.
[3] Eberhart, R.C. and Kennedy, J., A new optimizer using particle swarm theory, Proc. Sixth International Symposium on Micro Machine and Human Science, pp.39-43, 1995.
[4] Yuhui Shi, Eberhart R C. Fuzzy Adaptive Particle Swarm Optimization[R]. Proceedings of Congress on Evolutionary Computation, Seoul, Korea, pp.101-106, vol.1, 2001.
[5] Angeline P J. Using Selection to Improve Particle Swarm Optimization[ R ]. IEEE International Conference on Evolutionary Computation, Anchorage, Alaska, pp.84-89, 1998.
[6] He Z, Wei C, et al. Extracting Rules from Fuzzy Neural Network by Particle Swarm Optimization[R]. Proceedings of IEEE International Conference on Evolutionary Computation, Anchorage, Alaska, USA, pp.74-77, 1998.
[7] Kennedy J., Eberhart R. C. and Shi Y., Swarm Intelligence, Morgan Kaufmann, New York, 2001.
[8] Eberhart, R.C. and Shi, Y., Particle Swarm Optimization: Developments, Applications and Resources, Proceedings of IEEE International Conference on Evolutionary Computation, Vol.1, pp.81-86, 2001.
[9] Shi, Y. H., Eberhart, R. C., Parameter Selection in Particle Swarm Optimization, The 7th Annual Conference on Evolutionary programming, San Diego, CA, 1998.
[10]Kennedy J. The Particle Swarm: Social Adaptation of Knowledge [C]. Proceedings of IEEE International Conference on Evolutionary Computation ,Indianapolis, Indiana, pp.303-308, 1997.
[11 ] Hu, X., Y. Shi and R. C. Eberhart., Recent advances in particle swarm, Congress on IEEE Evolutionary Computation, Portland, Oregon, pp90-97, 2004.
[12]Eskicioglu, A. M. and Fisher; P.S, Image Quality Measures and Their Performance, IEEE Trans Commun. Vol. 43, pp. 2959-2959, 1995.
[13]Wang, Z., Bovik A. C., and L. Lu, Why is Image Quality Assessment So Difficult, in Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing, vol. 4, Orlando, FL, May, pp. 3313-3316, 2002.
[14] Yahua Yi, Xiaoqing Yu and Leiguang Wang, Zhigao Yang, Image Quality Assessment Based on Structural Distortion and Image Definition, IEEE Xplore. Restrictions Apply, DOI 10.1109, 2008.
[15]章萬國, 周馳, 高海兵等,粒子群優化演算法[J], 電腦應用研究, 第12期, 第7~11頁, 2003.
[16]吳萬成, 以粒子族群最佳化進行倒傳遞類神經網路參數最佳化與屬性篩選之研究, 碩士論文, 華梵大學資訊管理系, 2006.
[17]孫傳峰, 周劉喜, 粒子群優化中最大速度選擇, 南京工業大學自動化學院, 第24卷, 第5期, 第162~205頁, 2007.
[18]陳貴敏, 賈建援, 韓琪, 粒子群優化算法的慣性權值遞減策略研究, 西安交通大學學報, 第40卷, 第1期, 第53~56頁, 2006
[19]陳金徽, 數位影像輻射品質之客觀指標評估, 國立成功大學地球科學研究所, 2006.
[20]劉有書, 數位影像品質之分析與評估, 國立中央大學資訊工程研究所碩士論文, 2010.

指導教授

賀嘉律

審核日期

2013-3-7

推文