[发明专利]一种用于优化图像处理与视觉算法中控制参数的方法

说明书

技术领域

本发明涉及可视媒体计算领域，特别涉及一种用于优化图像处理与视觉算法中控制参数的方法。

背景技术

在可视媒体计算领域的图像处理与视觉领域（例如：新闻故事分割、图像与视频分割、目标识别以及目标检测与提取等）中，很多技术都会有几个决定结果好坏的控制参数，这些控制参数需要在程序运行之前给定初值或者交互的给出控制参数值。上述这些控制参数值很大的影响着结果好坏；也就是说，不恰当的控制参数值会导致结果很差；相反，较好的控制参数值就会产生很好的结果。

现有技术中，通常靠人工经验调整这些控制参数，以期望获得较好的结果，来满足实际应用中的需要。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

现有技术中的调整方法没有保障机制，存在盲目性和结果不确定性，故很多的尝试是枉费时间和精力，并不能保证获得很好的参数值和满意的结果。

发明内容

本发明提供了一种用于优化图像处理与视觉算法中控制参数的方法，本方法缩短了调整时间，提高了控制参数的精度和结果的准确度，节省了人力和成本，详见下文描述：

一种用于优化图像处理与视觉算法中控制参数的方法，所述方法包括以下步骤：

（1）外层控制过程通过利用内层优化过程的控制系数优化所述内层优化过程；

（2）所述内层优化过程优化通用参数设定，变异因子和交叉因子作为所述外层控制过程种群中的个体；

其中，步骤（1）具体包括：

1)初始化所述外层控制过程和所述内层优化过程的种群：

产生所述外层控制过程的初始种群：在(0,1]空间内随机产生N组内层优化过程的控制系数值，作为所述外层控制过程的初始种群，初始种群中的每个个体均作为控制系数传递给所述内层优化过程；

产生所述内层优化过程的初始种群：在参数优化设定问题的参数值的解空间内随机产生NP组参数值，作为所述内层优化过程的初始种群；

2）变异操作：从所述外层控制过程的种群中随机选择三个不同的种群个体，任意两个种群个体做差分，然后乘以所述外层控制过程的变异因子，再和第三个种群个体相加，得到对应的变异个体；

3）交叉操作：按照所述外层控制过程的重组概率，利用所述变异个体按照重组概率替换种群个体的各个分量，得到对应的实验个体；

4）选择操作：将所述实验个体与对应的外层控制过程的种群个体均作为内层优化过程的控制系数传递给内层优化过程，外层控制过程选择较佳个体，淘汰较差个体，保持种群的优良性；

5）程序终止：当满足结束条件时终止程序；

其中，步骤（2）具体包括：

1）赋值内层优化过程种群：初次赋值或者继承优化后的内层优化过程种群，即参数优化设定问题的随机解的集合，每个个体的维度是参数设定问题的所具有参数的个数；

2）变异操作：从内层优化过程种群中随机选择三个不同种群个体，其中两个种群个体相减，再乘以内层优化过程的变异因子，然后再和第三个种群个体相加，得到对应的变异个体；

3)重组操作：按照内层优化过程的交叉概率，利用对应的变异个体按照交叉概率替换种群个体中的各个分量，得到对应的实验个体；

4)选择操作：将得到的实验个体与对应的内层优化过程的种群个体均赋值给参数优化设定问题的参数，根据返回值的准确度，选择实验个体或者种群个体进入内层优化过程的下一代种群；

5)返回主程序：当达到一定的进化代数时，内层优化过程返回主程序。

所述外层控制过程选择较佳个体具体为：

若内层优化过程是首次运行，则内层优化过程在初始种群上优化搜索参数设定优化问题的最优参数解；

若内层优化过程不是首次运行，则内层优化过程使用参数优化设定问题的当前最优参数解在继承的内层优化过程种群上进行优化，搜索参数最优解。

本发明提供的技术方案的有益效果是：本发明提出的创新机制解决了可视媒体计算领域中算法的控制参数优化设定问题，得到了比人工调整更好的参数设定值和更精确的结果，本发明智能调整通用参数优化设定过程，无需人工交互，省时省力且节省成本，非常方便；本发明允许用户输入一组手工调整的参数值，然后在此基础上进行优化搜索，求得一组更好的参数值；本发明无需人工交互，且适用性广，可以解决很多类似的问题。通过新闻故事分割技术表明，本方法获得了比人工调整更准确的参数值和更精确的结果，成功地解决了算法控制参数优化设定的问题，省时省力，而且精确度更高。

附图说明