1 简介
SOMA 是一个基于合作竞争策略的优化算法。在生物群体中, 合作与竞争往往是并存的。如一群动物在寻找食物时, 若某一个体率先发现食物而成为群体中的领先者, 群体中其它个体得到此信息后, 往往会改变其运动方向, 向领先者所在位置前进。如在搜索过程中, 某个体比先前的领先者更为成功(如发现更多或更好的食物) 群体中其它个体往往会再次改变其运动方向, 转而向新的领先者所在位置前进 。SOMA 从上述“合作-竞争” 行为中得到启发, 通过寻优群体在问题空间中的自组织迁移运动, 逐步达到或接近最优解.
2 部分代码
clc;
clear all;
close all;
%Read image and add noise
img = (im2double((imread('lena512.bmp'))));
imn = imnoise(img,'salt & pepper',0.05);
%Perform Denoising using SOMA
parameters = Run_SOMA(imn,img)
denoised_image = output_file(imn,parameters(1),parameters(2),parameters(3),parameters(4),round(parameters(5)),round(parameters(6)));
%Perform Denoising using Universal Thresholing (inbuilt MATLAB function)
[THR,SORH,KEEPAPP] = ddencmp('den','wv',imn);
dn1 = wdencmp('gbl',imn,'db4',2,THR,SORH,KEEPAPP);
%PSNR
psnr_org = PSNR(img,imn);
psnr_mat = PSNR(img,dn1);
psnr_denoise = PSNR(img,denoised_image);
%SSIM
ssim_org = ssim(img,imn);
ssim_mat = ssim(img,dn1);
ssim_denoise = ssim(img,denoised_image);
disp('PSNR Values')
disp('For Original Noisy image')
disp(psnr_org)
disp('For Universal Thresholding')
disp(psnr_mat)
disp('For SOMA')
disp(psnr_denoise)
disp('SSIM Values')
disp('For Original Noisy image')
disp(ssim_org)
disp('For Universal Thresholding')
disp(ssim_mat)
disp('For SOMA')
disp(ssim_denoise)
subplot(1,3,1)
imshow(imn)
title('Noisy image');
subplot(1,3,2)
imshow(dn1);
title('Denoised Image using Universal Thresholding')
subplot(1,3,3)
imshow(denoised_image)
title('Denoised Image using SOMA')
3 仿真结果
4 参考文献
[1]程美英, 钱乾, 倪志伟,等. 信息筛选多任务优化自组织迁移算法[J]. 计算机应用, 2021.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。