~
RESTAURAÇAO
DE IMAGENS
V|A ALaGoRmv|@~;GENÉT|co
Dissertação
apresentada
como
requisito parcial àobtenção
do
grau de
Mestre
em
Engenharia
Elétrica.Programa
de
Pós-Graduação
em
Engenharia
Elétrica,
Universidade
Federalde Santa
Catarina.Orientador: Prof.
Rui
Seara, Dr.RESTAURAÇÃO
DE
IMAGENS
v|A
ALOORWMO
GENÉT|OO
CANDIDATO:
RONALDO
DE FRE|TAs
ZAMPOLO
Esta dissertação foi julgada para
Obtenção do
títulode
MESTRE
EM
ENGENHARIA -
ESPECIALIDADE
ENGENHARIA
ELÉTRICA
e aprovadaem
suaforma
final peloCurso
dePós-Graduação.
~®«
`Prof.
RUI SEARA,
Dr._`v
O
K
9
P
of.ADROALD
IZER,COORDENADOR DO
C
Rso DE PÓs-GRADEM
ENGENHARIA ELÉTRICA.
\\
BANCA
EXAMINADORA:
Q
Prof.
RUI SEARA,
Dr. PREs1DENn5O
La
~Prof.
CARLOs~R1A
DA
ROCHA,
Dr./
,,_
//
? .__Prof. JOSÉ /
OsMO
IRARMUDEZ,
Ph. D.AGRADEc|MENTos
Agradeço
a Deus, pela oportunidade
do
aprendizado;a
minha
família,sem
a qualnão
teria aqui chegado;a
CAPES,
pelo apoio financeiro;aos professores
do
LINSE;
ao
meu
orientador, prof.Rui
Seara,que
pacientementemostrou-me
poronde
seguir;à banca examinadora,
formada
pelos professores Carlos Aurélio Fariada
Rocha, JoséCarlos Moreira Berrnudez e Sidnei Noceti Filho; '
1
u -
z aos companheiros
do
LINSE,
Alexandre Raitz Arakaki,Ana
Cláudia Batista Sampaio,Ana
Isabela AraújoCunha, Delmar
Broglio Carvalho,Diego
BritesRamos,
Eider Lúcio deOliveira, Elton Luiz Fontão,
Evânio
Ramos
Nicoleit, Fathi Abdel-Fattah FaragAhmed,
FranciscoJosé Alves de Aquino, Orlando Tobias, Oscar
da
CostaGouveia
Filho, PauloMárcio da
Silveira,Rodrigo Luiz de Oliveira Pinto, Rui Seara Júnior e Walter Antônio Gontijo,
que muito
me
honram
com
suaamizade
construídaem
meio
às alegrias e dificuldades nestes dois anos de mestrado; eSUMÁRIO
... .... ... ... .... ..vLISTA
DE
SÍMBOLOS
... ... ... .. viiLISTA
DE ILUSTRAÇÕES
... ... ixLISTA
DE
TABELAS
... ... .. xiRESUMO
... ... .. xiiABSTRACT
... ... ... .. xiiiCAPÍTULO
1-
INTRODUÇÃO
... ... 1CAPÍTULO
2-
DEGRADAÇÃO
E
RESTAURAÇÃO
DE
IMAGENS
... _ 5 A 2.1-INTRODUÇÃO
... 5E 2.2
-
MODELO
DE
UM
SISTEMA
DE
DEGRADAÇÃO
DE
IMAGENS
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . _ . .. 62.3
-
SISTEMAPARA
RESTAURAÇÃO
DE
IMAGENS
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . _ 8 2.4-
PRINCIPAISABORDAGENS
PARA
RESTAURAÇÃO
DE
IMAGENS
. . . . . . . . . . . . . . . . . . . . 1 1. 2.4.1 -Restauração Clássica 12 2.4.2-
Restauração Autodidata 14 2.5-
CONCLUSÃO
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ._ 18CAPÍTULO
3-
ALGORITMOS
GENÉTICOS
ARTIFICIAIS .... . ... ... .. 203.1
-INTRODUÇÃO
... .. 203.2
- CODIPICAÇÃO DE
UM
CROMOSSOMO
... _. 22 3.3- ATRIBUIÇÃO DE APTIDÃO AOS
INDIVÍDUOS ... ..253.4
-
CICLOBÁSICO
... .. 263.5
-
OPERADORES
... ..283.5.1
-
Operador de Seleção ..28
3.5.2
-
Operador de Cruzamento . .. 303.5.3
-
Operador deMutação
31 3.5.4-Reposição .. 323.6
- CONVERGÊNCIA,
ESTABILIDADE ETEORIA
DE
ESQUEMAS
... .. 323.7
-
CONCLUSÃO
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 36CAPÍTULO
4-
RESTAURAÇÃO
DE
IMAGENS
ATRAVÉS DE
ALGORITMOS
GENÉTICOS
... .. 374.1
- INTRODUÇÃO
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . _. 37 4.2-
ESTRUTURAS PARA
RESTAURAÇÃO
DE
IMAGENS
USANDO
AGS
... .. 384.3
-
CARACTERÍSTICASDO
AG
UTILIZADO ... ..4I 4.3.]-
Características Gerais 41 4.3.2-
Codificação dosCromossomos
e Filtros Representáveis . 41 4.3.3 -Seleção, Cruzamento eMutação
..46
4.3.4-Reposição
46
4.4-
CONCLUSÃO
... _ 47CAPÍTULO
5- SIMULAÇÕES
... .. 48 5.1-INTRODUÇÃO
... . _ ..48 ' 5.2- SIMULAÇÕES
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 . . ..495. 2. I
-
Simulação I: identificação clássica de ƒiltro de degradação _ .. 495.2.2
-
Simulação 2: inversão clássica doƒiltro de degradação . ...565.2.3
-
Simulação 3 _' restauração autodidata através do algoritmoNAS-RIF
. ...585.3
-
CONCLUSÃO
... .. 63CAPÍTULO
6-
CONCLUSÕES
... .. 65APÊNDICE -
SINAISSEPARÁVEIS
... ..67A.1
- INTRODUÇÃO
... ..67A.2
-
INVERSÃO
DE
SINAIS SEPARÁVEIS ... ..68REFERÊNCIAS
BIBLIOGRÁFICAS
... .. 72f
(x, y) : sinal deimagem;
n d (x, y) : ruído
na
imagem
degradada;hd (x, y) : resposta ao impulso
do
sistemag(x,y) **
NK,NL
1<,1<,,KyR
L
my)
h,(x,y) de dedradaçao;imagem
degradada; convolução bidimensional;suporte de
uma
imagem;
constantes arbitrárias;
raio de circunferência;
comprimento;
estimativa
da
imagem
f
(x, y);identidade;
resposta ao impulso
do
sistemade restauração;
heq (x,. y) : resposta ao impulso
do
sistemaÍ,~(x,y) 5 (X, y) H, (X, y) @(x, y) f(x, y) equalizado; » estimativa ideal de
f
(x, y); impulso bidimensional;ruído
na
imagem
restaurada;imagem
erro;imagem
de referência (saídado
estimador não-linear;f, (x, y) : refletância de
f
(x, y);f, (x, y) H:
iluminação de
f
(x, y);h(x) : resposta ao impulso de
um
filtro;b l`l1o
h
minh
max nkNPop
“Pt 1‹ PCpm
#
72E
"Á-) 5z(-) ord(-) l hrk(x=y) :número
de bits; : representação decimal;:
mínimo
representado porum
quantizador;
:
máximo
representado porum
quantizador;
:
número
esperado de vezes de ok-ésimo indivíduo ser selecionado
para cruzamento;
:
número
de indivíduos porpopulação;
1 aptidão
do
k-ésimo individuoda
população;
: probabilidade de cruzamento;
: probabilidade de
mutação;
: símbolo
don
't care;_ c 9
.
número
de símbolos °#” deum
esquema;
:
esquema;
:
número
de individuosna
população “a” pertencentes a
um
esquema; :comprimento
deum
esquema;
:ordem
deum
esquema;
i :comprimento
deum
cromossomo;
:resposta ao impulso
do
filtro derestauração referente ao k-ésimo
e k (x, y) :
imagem
erro referenteao
k-ésímo indivíduo
da
população;/idk (x, y) : estimativa
da
resposta aoimpulso
do
sistema de degradação devido ao k-ésímo indivíduoda
população;h dr (x) :
componente x da
resposta aoimpulso de
um
filtro de degradação separável;hdy (y) :
componente
y
da
resposta aoimpulso de
um
filtro de.degradação separável;
h(x, y) : resposta ao impulso de
um
filtrobidimensional separável; hx (x) :
componente x da
resposta aoimpulso de
um
filtrobidimensional separável;
hy (y) ‹:
componente
y
da
resposta aoimpulso de
um
filtrobidimensional separável;
H
(col ,co 2) : transformadanumérica
deF
ourier bidimensional aplicadaah(x,y) ; | - | :
módulo;
(DH (DH): :fase de H(co1,co2); :fase de Hx(co,);<DHy :fasede Hy(o›2);
Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig Fig
2.1
-
Sistema de degradação de imagens ... ..62.2
-
Sistema de restauração de imagens ... .. 82.3
-
Estrutura adaptativa para estimação do filtro inverso de hd (x, y) ... .. 122.4
-
Estrutura adaptativa para identificação de hd (x, y) ... ._ 13 2.5-
Sistema autodidata para restauração de imagens ... .. 142.6
-
Estrutura deum
sistema para restauração autodidata que implementa o algoritmoNAS-RIF
..l5 3.1- Cromossomo
exemplo ... .. 223.2
-
Cálculo das amostras de h(x, y) ... ._ 24 3.3-
Ciclo Básico deum
algoritmo genético ... ._ 27 3.4-
Cruzamento ... ..303.5
-
Cruzamento multi-ponto ... . .'. . ....313.6
-
Mutaçãoem
um
cromossomo
... . .' .... ..313.7
Um
cromossomo
eum
possível esquema associado ... ..-. ...333.8
-
Esquema
e seus cromossomos ... ..333.9
-
Algoritmo genético adaptativo de duas camadas ... ..35_ 4.1
-
Restauração clássica através da estimativa do filtro inverso de hd (x, y) usandoAGs
. . . -. .38. 4.2
-
Estimação de hd (x, y) usandoAGs
... .Í .... ..40. 4.3
-
Restauração autodidata, técnicaNAS-RIF,
usandoAGs
... ..414.4
-
Etapas para a codificação deum
cromossomo
(filtro bidimensional separávelem
filtros unidi- mensionais iguais e simétricos .... ... ..445.1
- Módulo
da respostaem
freqüência do filtro de degradação ... ..505.2
-
Curvas de convergência. (a) Erro quadrático do melhorcromossomo
de cada geração; (b) erro quadrático médio das populações ... ..515.3
- Módulo
da respostaem
freqüência da estimativa ... ..525.4
-
Curvas de convergência. (a) Erro quadrático do melhorcromossomo
de cada geração; (b) erro quadrático médio das populações ... ..545.5
-
Módulo
da respostaem
freqüência da estimativa(BSNR
=
l5dB) ... ..545.6
-
Curvas de convergência. (a) Erro quadrático de melhorcromossomo
de cada geração; (b) erro quadrático médio das populações ... ..555.7
- Módulo
da respostaem
freqüência da estimativa ... ..56Fig Fig Fig Fig Fig Fig Fig Fig Fig
5.8
-
(a) Resposta ao impulso do filtro de degradação e (b) resposta ao impulso do filtro inversoestimado (domínio da seqüência) ... ..57
5.9
-
Resposta do sistema “filtro de degradação-restauração”. (a) Domínio da seqüência; (b) domínioda freqüência ... ..'. ... ..57
5.10
-
Imagens: (a) original; (b) degradada; (c) restaurada ... ..58 5.11-
Curvas de erro quadrático obtidascom NAS-RIF
gradiente para duas condições iniciaisaleatórias ... ..6O
5.12
-
Imagens: (a) original; (b) degradada; (c) restaurada pela técnicaNAS-RIF
gradiente ... ..6O 5.13-
Curvas de convergência para a técnicaNAS-RIF
genético. (a) Erro quadrático do melhorcromossomo; (b) erro quadrático médio das populações ... ..61 5.14
-
(a) Resposta ao impulso do filtro de degradação; (b) resposta ao impulso do filtro inversoestimado pelo sistema
NAS-RIF
genético (domínio da seqüência) ... ..625.15
-
Resposta do sistema “filtro de degradação-restauração”, estimado através da técnicaNAS-RIF
genético. (a) Domínio da seqüência; (b) domínio da freqüência ... ..62 5.16-
Imagens: (a) original; (b) degradada; (c) restaurada através da técnicaNAS-RIF
genético ...63Tabela 2.1
-
AlgoritmoNAS-RIF
... _. 17Tabela 2.2
-
Legenda da Tabela 2.1 .... ... _. 18Tabela 4.1
- Ganho
na representação do filtro bidimensional separávelem
filtros unidimensionais iguaise simétricos (dimensão da resposta: 6×6) ... . :- ... .. 44
Tabela 5.1
-
Parâmetros do algoritmo genético utilizado ... .. 49Tabela 5.2
-
Parâmetros do algoritmo genético utilizado ... ..56Tabela 5.3
-
Função do estimador modificado ... ..59Tabela 5.4
-
Parâmetros doAG
utilizado na restauração autodidataNAS-RIF
genético ... .. 61RESUMO
Nesta dissertação, é proposta
uma
técnica para restauração deimagens
utilizandoalgoritmos genéticos. Primeiramente, são discutidos os
modelos
matemáticos para sistemas dedegradação e restauração de imagens.
Em
seguida, é apresentadauma
introdução aos algoritmosgenéticos artificiais, abordando sua estrutura e seus principais operadores.
A
técnica proposta éapresentada de maneira detalhada,
com
ênfase às suas diferençasem
relação às técnicasnão-genéticas. Resultados de simulação e conclusões são
também
apresentados.Palavras-chave: processamento digital de imagens; restauração de imagens; algoritmos genéticos.
In this dissertation, a technique for
image
restoration using genetic algorithms is proposed.Firstly, mathematical
models
forimage
degradationand
image
restoration systems are discussed.Then, an introduction about artificial genetic algorithms is presented, considering its structure
and
main
operators.The
proposed technique is presented in details, with emphasison
its differencesin relation to non-genetic techniques. Simulation results
and
conclusions are also presented.Key-words:
digital image processing; image restoration; genetic algorithms.CAPÍTULO
1_.
ÍNTRODUÇAO
Em
muitas aplicaçõesna
áreado
processamento digital de sinais, são utilizados filtrosadaptáveis que, através
do
ajuste de seus parâmetros,buscam
minimizarou maximizar
uma
detenninada
figura
de mérito. Estafigura
de mérito pré-estabelecidadefine
uma
superfície para aqual o sistema adaptativo deve encontrar, idealmente, o ponto de
máximo
ou
demínimo
global.Na
busca desses pontos ótimos, sãoempregados
freqüentemente algoritmosque
usam
ogradiente
da
superfície para orientar a convergência ao ponto desejado.É
o
caso, por exemplo,dos algoritmos pertencentes à família
LMS.
No
entanto, pela própria filosofra de «tratamentodo
problema,é amplamente
conhecida a exigência de superfícies dedesempenho
convexas, sobpena
de se convergir a
um
ótimo local, por vezesnão
satisfatório,dependendo
das condições iniciaisdo
sistema adaptativo. Há,também,
o caso de outros algoritmos que, apesar denão
fazerem usoexplícito
do
gradienteda
superfície dedesempenho,
aindapossuem
problemas relacionados à convergência local.Na
procura de soluções para a inconveniente convergência aum
ótimo local,estabeleceram-se duas principais vertentes de pesquisa: urna procura estabelecer critérios para a
escolha de condições iniciais que
levem
ao ótimo globalsem
abandonar os algoritmos degradiente; a outra investe
em
novas ferramentas de busca e otimização que sejam insensíveis aoestado inicial
do
sistema adaptativo.É
nesta última vertenteque
seenquadram
os algoritmosO
principal interesseem
fazer uso deAGs
em
otimização estána promessa
deuma
capacidade de busca e adaptaçãomais
robustaque
a obtida pelos algoritmoschamados
clássicos eseus derivados.
Os
AGs
são estruturados deforma
a simular osmecanismos
de evolução eadaptação dos seres vivos,
como
será vistono
Capítulo 3.Dessa
maneira, a robustez almejada se revelariana
capacidade de se atingir o ponto desejado deuma
superficie dedesempenho, não
importando o estado inicialdo
sistema e aconformação
dessamesma
superfíciez Estapode
sermultimodal
ou
descontínuaque
oAG,
quando
bem
ajustado, ainda é capaz de localizar o ponto ótimo global [l].A
liberdade de se tratarcom
superfíciesnão
convexas é animadora, pois abreum
leque de possibilidadesna
escolha daqueles critériosmais
adequados auma
determinadaaplicação, eliminando a preocupação de ser 0 critério adotado (não) factível de ser
implementado,
por apresentar-se (in)compatível ao procedimento de otimização._
Apesar
de os primeiros trabalhos utilizandoAGs
artificiaisem
otimização dataremda
década de
70
[l],pouco
setem
delesempregado no
processamento digital de sinais [2].~, Nestefato reside
boa
parteda
motivação desta dissertação, cujo objetivo é fazer uso das técnicas deAGs
para filtragem adaptativaem
tópicos de restauraçãode
imagens
degradadas, investigandoas limitações e vantagens desta abordagem.
O
próximo
parágrafo contextualiza a restauração deimagens na
atualidade, mostrando a sua importância.Nas
últimas décadas,houve
grandeavanço no
processamento digitalde
imagens, graçasao desenvolvimento de
novos
algoritmos eda
tecnologia de semicondutores [3].Especificamente
quanto à restauração
ou
recuperação de imagens, pode-se dizerque
uma
necessidade surgidano
final dos anos50
e crescente ainda nos dias de hoje se constituinum
terceiro fator propulsor dosCAPÍTULO 1 -INTRODUÇÃO 3
programas
espaciais das agências americana e soviéticacomeçaram
a receber as primeirasimagens obtidas por suas respectivas sondas e satélites;
As
fotografias quechegavam
às estaçõesna
Terra apresentavam degradações devido a diversos fatores-
movimento
do
objeto fotografadoem
relação à câmera, desajustes de focalização, contaminação por ruído e turbulênciaatmosférica, para citar os
mais
importantes-
exigindo procedimentos paraaumento da
qualidadeem
.proldo
valor científico daquele material e afim
de justificar os investimentos milionários nas missões espaciais [4]. Atualmente, a importânciada
recuperação deimagens
revela-se pelo fatode sua presença
não
estarsomente na
astronomia,mas
em
áreascomo
microscopia, medicina eindústria cinematográfica [3-5].
Em
todo sistemaonde há
aquisição,armazenamento
ou
transmissão de sinais de
imagem, pode
haver, eventualmente, necessidade dealgum
tratamentodas
imagens
resultantes para recuperar degradações inerentes àqueles procedimentos. Detalhesimportantes
podem
ser perdidos simplesmente devido à resolução limitadado equipamento
deaquisição [3].
.Uma imagem
pode
ser corrompida devido ao envelhecimento.do
materialque
compõe
seu suporte dearmazenamento
e,em
Luna transmissão,há
degradações inevitáveisem
conseqüência das características
não
ideaisdo
canal.Esta dissertação aplica
AGs em
tópicos de processamento digital relacionados àrestauração de
imagens
e,em
seuspróximos
capítulos, encontra-se estruturadada
seguinte forma:0 Capítulo 2 - trata de apresentar o
modelo
matemático associado aoproblema
derestauração de imagens,
bem
como
as principais estratégiasempregadas
pararesolvê-lo;
.O Capítulo 3 - introduz as idéias fundamentais dos
AGs
e sua adequação à filtragem0 Capítulo 4 - descreve
em
detalhes a técnica proposta nesta dissertação;0 Capítulo 5 - apresenta resultados de simulação, indicando as vantagens e limitações
da
técnica proposta;
0 Capítulo 6 - são apresentadas as conclusões
da
dissertação e lançadas sugestões parafuturos trabalhos.
l
C
A
P
iT U
Lo
2
DEGRADAÇÃO
E
RESTAURAÇÃO
DE
IMAGENS
2.
1-
Introdução.
Em
sistemas de aquisição deimagem, sempre
sepode
dizerque
aimagem
obtida éuma
versão
mais
ou
menos
alteradada
imagem
original.O
próprio sistema de aquisição, face às suascaracterísticas fisicas e/ou desajustes de calibração, é considerado
como
um
elemento introdutorde degradações.
Dependendo
da
aplicação para a qual 0 sistema foi projetado e dos recursosinvestidos, são estabelecidos quais os níveis aceitáveis
da
qualidade deuma
imagem
adquirida.T
ome-se
como
exemplo, asimagens
obtidas poruma
máquina
'fotográficacomum
para usoamador
e aquelas conseguidas atravésde
um
sistema de grande resolução parafins
profissionais
ou
científicos.Enquanto
no
álbum
de família pode-se conviver,sem
maioresproblemas,
com
as fotos “tremidas”, a exigência deboa
qualidade dasimagens
para usoprofissional
ou
cientifico é muito maior.Quando
ocorrem
degradações inaceitáveis neste últimocaso, duas medidas, aplicadas isoladamente
ou
em
conjtmto,devem
ser tomadas: melhorar osistema de aquisição, o que
em
muitas situações é inviável pelo alto custo doscomponentes
deprecisão; e restaurar as
imagens
resultantes, utilizando técnicas de processamento de sinais.As
várias técnicas já desenvolvidas para restauração deimagens
partemda
caracterizaçãoprocesso utilizado para aquisição e apresentação de
uma
imagem,
um
modelo matemático
generalizado
pode
ser desenvolvido.Neste capítulo,
em
sua segunda seção, é apresentadoum
modelo
representativo dossistemas de degradação de imagens.
Na
Seção 2.3,um
modelo
para restauração é discutido ena
Seção 2.4, são
comentadas
as principais abordagensempregadas na
restauraçãode
imagens.2.2-
Modelo
de
um
Sistema
de
Degradação
de
Imagens.
._ Seja
f
(x, y) aimagem
original,que
se deseja obter através deum
processo qualquer.Sistemasâde degradação
podem
ser representados, de maneira geral, atravésde
um
filtrocom
ruído aditivo, nd (x, y), agregado à saída (Fig.2.l). r
'
nzz(×,y)
+
flw)
+
,eu
Filtrode Degradação
g(xy)F
ig. 2.1- Sistema de degradação de imagensSe
o filtro de degradação puder ser representado porum
sistema linear de resposta aoI .
impulso hd (x, y) , a
imagem
degradada g(x, y) é expressa por/\`
' +‹=o +oo8(X›y)=
2
Zf(k›Í)h.z(k,l;X,y)+".z(x›y)(21)
Í=-00 k=-19 \CAPÍTULO 2 -
DEGRADAÇÃO
E RESTAURAÇÃO DE IMAGENS 7Considerando, porém, hd (x, y) invariante e a suporte finito
N
K ×N
L , a expressão (2.l)pode
ser simplificada, resultandoem
3
:Migw)
=
É
_hd‹1‹,l›f‹1‹-›‹,l-y›+n,,‹x,y›(22)
/=0 =ou
g(X›y)=
hd(mf)
**f
(X, y)+
Hd(mf)
(2-3)Em
(2.3), aimagem
degradada, g(x, y), é expressacomo
a convolução bidimensional entre aimagem
original,f
(x, y), e o filtro de degradação (linear e invariantecom
resposta ao impulso hd (x, y) ),somada
ao ruídon
d (x, y) . ~ « *._
Alguns
sistemas degradadores de interesse prático sãomodelados
através de expressõesanalíticas
que
representam, aproximadamente, suas principais características [4,6].Exemplos
significativos destes
modelos
são apresentados a seguir: r z A1 - V- a) Turbulência atmosférica: , 2
+
2 hd‹x,y›=
K
e›‹p(- ‹2.4›26
b)Má
focalização unifonne: 1 2 2 2 ~ h,,‹×,y›=M2
*Sex
*Y
SR
(25)
O ,em
outros casos.c)
Degradação
bidimensional uniforme:L
se-šíxyíš
h.z(×,y)= L2 ” 2 3 2 (2-6)
0 ,
em
outros casos.d)
Movimento
horizontal de câmera:L
se-£<x<-Il
h.z<×,y›=
L
”2'
2(21)
0 ,
em
outros casos.Em
conclusão à seção, é importantereafirmar que
a expressão (2.3)modela
sistemas dedegradação
lineares e invaríantescom
ruído aditivo. Deste pontoem
diante do trabalho, todos os.sistemas terão as características
acima
mencionadas, amenos
das . exceçõesdevidamente
especificadas. '
2.3-
Sistema
para
Restauração de
Imagens.
A
Fig. 2.2 apresenta o diagramaem
blocos deum
sistema de restauração de imagens./\
g(xzy) ,
`
ƒ(x›y)
_-›i
Filtrode
Restauração
|-¿›
Fig. 2. 2- Sistema de restauração de imagens.CAPÍTULO 2 -
DEGRADAÇÃO
E RESTAURAÇÃO DE IMAGENS 9Na
entradado
filtro de restauração, tem-se aimagem
degradada, g(x, y), ena
saída aimagem
Í
(x, y). Quais as características queÍ
(x, y) deve possuir paraque
a restauração sejabem
sucedida?Idealmente, objetiva-se
f(x,»
=f<x,y›
‹2.8›Entretanto,
na
prática, procura-se fazercom
que
Í
(x, y) seaproxime da
seguintecondição:
f(x,» =
1<f<x~
1<,,,y-
1<,›(29)
ou
seja, ‹Í
(x, y) deve seruma
versão escalada e deslocadada
imagem
original,f
(x, y) , poisem
geral, os¿.algoritmos
não
conseguem
recuperar K,Kx
eKy
[7]. Isto, porém,não
éum
grande problema.Caso
haja necessidade, K,Kx
eK,
podem
ser estimados através dealgumas
condições e/ou restrições auxiliares. Pode-se supor, por exemplo,que
o sistema degradador preserva aenergia
da
imagem
original. Assim, a energia de g(x, y) é igual à energia def
(x, y).A
partirdesta suposição, que está de acordo
com
a característica de muitos sistemas físicos, obtém-sefacilmente o valor de
K
em
(2.9).Com
K
conhecido,Í
(x, y)pode
ser escalada paraque
suaenergia se iguale à energia de
f
(x, y).O
sistema de degradaçãoem
cascatacom
o de restauração, este de resposta ao impulsoh,(x, y) ,
tem
como
saída aimagem
Í
(x, y),dada
pormy)
=
hi,‹›‹,y› * *f‹›‹,›››+
h, ‹›‹,y› * *nd‹x,y› <2.11›sendo
heq (X, y)
=
h,(x,y) * *¡1.z(Xzy) (2-12)Para simplificar a análise e evidenciar os resultados
do
modelo que
vem
sendodesenvolvido, o termo relativo ao ruído nd(x, y)
em
(2.l1) será inicialmente omitido.Logo,
aexpressão (2.l1)
pode
ser rescritacomo:
.Í,-<›‹,y›=1zi,‹›‹,y›==‹=-=f<›‹,y>
(213)
Para
que
(2.13) obedeça à condição estabelecidaem
(2.9), a resposta ao impulsodo
sistema equalizado heq (x, y) deve ser ' '
1
hzq‹x,y›
= Kõ
(x-aK,,y
-
K,›
‹2.14›onde
õ(x,y)=
{1
,se (x,y)=(o,o)»
(215)
0 ,
em
outros casos.As
expressões (2.l3) e (2.l4) consideram o sistema degradador isento de ruído aditivo.Contudo, para
que
se tenhauma
representação matemáticamais
realística, o efeitodo
ruído nd (x, y) será reintroduzidono
desenvolvimento.Assim,
substituindo heq (x, y)em
(2.1l) peloresultado obtido
em
(2.l4), têm-seCAPÍTULO 2 -
DEGRADAÇÃO
E RESTAURAÇÃO DE IMAGENS 1 1my)
=
1<f‹›‹-K,,y-1<,›+›«,‹×,y)
(211)
onde
o ruído daimagem
restauradaé",(x,y)
=
h,(x,y) * *fl,z(×zy) (2-18)De
acordocom
as expressões desenvolvidas,sempre que houver
ruídona formação da
imagem
degradada,podem
ser obtidas restauraçõesque
seaproximem
do
critério estabelecidoem
(2.9) a
menos
do
termo n, (x, y).A
equação (2.l7) apresentaum
compromisso na
restauração deimagens
reais,onde
apresença; de ruído é inevitável:- h,q(x, y) deve convergir para
Kõ
(x-Kx,
y-Ky)
,mantendo
avariância de nr (x, y)
em
um
nível tolerável..
Na
próxima
seção, são apresentadas as principais abordagens empregadas.na
restauraçãode imagens.
2.4-
Principais
Abordagens
para
Restauração de
Imagens.
Pode-se classificar os algoritmos para restauração de
imagens
em
dois tipos, a saber: clássicos e autodidatas.Ambos
fazem
uso de filtros adaptáveis para estimaçãoda
imagem
2.4.1-
Restauração
Clássica.
Os
métodos
de restauração clássica procuram, primeiramente, caracterizar o sistemadegradador utilizando
uma
imagem
f
(x, y) conhecida.Nessa
caracterização, duas são as estratégiasnormalmente
empregadas:a) estimação
do
filtro inverso de hd (x, y) (Fig. 2.3);b) identificação de hd (x, y),
com
utilização posterior de técnicas que, a partir dehd (x, y) ,
conseguem
uma
boa
estimativa,Í
(x, y) ,da
imagem
original (Fig. 2.4).f(x,y)
+
8(x,y) '_+
H
d (x,y) VAlgoritmo
e(x”y)de
Adaptaçao
Fig. 2.3
-
Estrutura adaptativapara
estimação do filtro inverso de h,¡(x, y).CAPÍTULO 2 -
DEGRADAÇÃO
E RESTAURAÇÃO DE ÍMAGENS l3 \ l”z1(x›J/) . š(x,y) hd (xaAlgoritmo
de
‹f(x,y)Adaptaçao
Fig. 2.4
-
Estrutura adaptatíva para identificação de h,¡(x, y)..
Na
estratégia(a), observa-se
o
filtro adaptativoem
série ao sistema degradador, enquantoo 'algoritmo de adaptação procura ajustar os parâmetros de h, (x, y) para minimizar a
imagem
de
erro e(x, y) , segundo o critério de otimização adotado.V
Em
(b), verifica-se Luna estrutura diferente
da
anterior.O
filtro adaptativo procura igualarseus parâmetros aos
do
sistema degradador, identificando h d (x, y).Caracterizado o sistema de degradação,
uma
imagem
degradada g(x, y) poderá serrestaurada,
sem
necessidade de se conhecer aimagem
originalf
(x, y). Para tanto, o sistemadegradador deve ter parâmetros
fixos
durante o períodoque compreende
sua caracterização e a obtençãoda
imagem
g(x, y).Se
for utilizada a estratégia (a), aimagem
restauradaÍ
(x, y) é obtida procedendo-se àƒ"‹x,y›=h,‹×,y›**g‹x,y›
(219)
No
casoda
estratégia (b), sãoempregadas
técnicas,como
as descritasem
[3,4,6],que
fazem
usodo
conhecimento de hd (x, y) para obterÍ
(x, y).H
2. 4.
2-
Restauração
Autodidata.
A
restauração autodidata,também
denominada
por recuperaçãocega
(blind recovery)ou
desconvolução
cega
(blind deconvolution), ocorrequando
se pretende restauraruma
imagem
e sedispõe de escassas informação sobre a
imagem
original e sistema de degradação.O
único sinalcompletamente
conhecido é a própriaimagem
degradada g(x, y). -Em
termos práticos,sempre
sedetém
algmn
conhecimentoa
priori sobre certas característicasda
imagem
original edo
sistema degradador. Essas informações, incorporadas àestrutura autodidata, são de fundamental importância para o êxito
da
restauração.Exemplos
depossíveis características conhecidas
a
priori são:não
negatividade, suporte finito e valores limitedos pixels
da
imagem
original; emanutenção da
energia entre os sinais de entrada e saídado
sistema de degradação. '
A
Fig. 2.5 mostra o arranjo básico demn
sistema autodidata de restauração de imagens.g(r,y) ^
Sistema Autodidata para f(x”y)
É
Restauração de Imagens
Caracteristicas da imagem original
Caracteristicas do sistema de degradação
CAPÍTULO 2 -
UEGRADAÇÃO
E RESTAURAÇÃO DE IMAGENS 15Uma
introdução às diversas técnicas para restauração autodidatapode
ser encontradaem
[8]. Neste trabalho, será
dada
ênfasemaior
à técnicaNAS-RIF
(NonnegativityAnd
Suportconstraints Recursive Inverse
F
íltering) [9], por prestar-se facilmente à implementaçãocom
AGS,
dadas as suas características estruturais.
›
Na
Fig. 2.6, a estruturaem
blocosNAS-RIF
[8,9] é apresentada.O
objetivo aqui,também
é estimar o filtro inverso
do
sistema de degradação,como
no
caso (a) da seção 2.4.1.No
entanto,a
imagem
original encontra-se indisponível. Para contornar a falta desta informação,um
operadornão-linear, representado
na
Fig. 2.6 atravésdo
bloco estimador,impõe
restrições determinísticas_ ,
à
imagem
restaurada,f
(x, y), gerando aimagem
de referênciaf
(x, y).E
o estimadorque
comanda
a convergênciado
algoritmo. 'O
bloco de otimizaçãoimplementa
os procedimentos de busca do ponto ótimona
superficie de
desempenho
considerada. Neste caso,como
nas Figs. 2.3 e 2-.4, pretende-seminimizar 0 sinal de erro e(x, y) , segundo
um
critério adotado.Í(x,y)
+
nd(x,y) _ e(X›y)Algontmo
~de
OtimizaçãoA
técnicaNAS-RIF,
adequada
à restauração deimagens
em
níveisde
cinza caracterizadaspor
um
objeto principal destacado deum
fundo uniforme(como
asimagens
astronômicas, deraios-X e tomografias),
emprega
as seguintes restrições através de seu estimador:a) suporte
da
imagem
original conhecido.É
considerado suporteda
imagem
omenor
retângulo
que contém o
objeto principalda
imagem;
b) não-negatividade
da imagem.
Esta característica é inerente aos sinais deimagem
em
tons de cinza que
obedecem
aomodelo
multiplicativo abordadoem
[l0]:f
(X, y)=
f,(Xzy) 'f.~(Xzy) (220)-
onde
aimagem
f
(x, y) éformada
pela multiplicação doscomponentes
f,(x, y), refletância(capacidade de refletir a luz incidente) e f,.(x, y), iluminação (quantidade
de
-luz incidente),ambas
estritamente positivas.É
'mostradoem
[9] que,se
forem
utilizadas as restrições (a) e (b), a superfície dedesempenho
é convexa, viabilizandoo
uso de algoritmos de otimizaçãofundamentados
no
gradiente e de baixo custo computacional.
A
estrutura queimplementa
a técnicaNAS-RIF
é análoga às estruturas apresentadasem
[1 1] para a equalização autodidata de canal
em
sistemas decomunicação
de dados.A
aplicaçãoda
técnica abrange diversas áreas, incluindo: astronomia,imagens de
raios-x,tomografia
e ressonância magnética.CAPÍTULO 2 -
DEGRADAÇÃO
E RESTAURAÇÃO DE IMAGENSTabela 2.1- Algoritmo NAS-RIF.
Condições iniciais: a)
k
=
0b) hf
=
[0- -«I - - -0] (acomponente
igual a unidade é posicionadano
centrodo
vetor)1)
fm)
=
hf <›‹,y› * *g<x,y› 2) foz, y)=
Esftflx,
y>1~
se (x, y) aê
Sup
entãof
(X, y)=
0 senão seÍ
(x, y)2
O entãoÍ
(X, y)=
f
(x, y) senãof(X,y)=0
, kÕ
hi' Í hf 3)[W(h')Y
:iô1;]'<((1.i) ôÍ1í((,i ;)"'âh*Íi\i
ix/qi 3.a) 2
Z
{í<›‹,y›lã)llg‹›‹-f+1,y-f+1›}+
, õhr (B J) (×,y)zszzp r+2
Z
{[f‹›‹,y›-LF]g‹›‹-f+1,y-f+1›}+2v
Z[h,"<›‹,y›-1] (×,y)@Sw› V(×,y) 4) B=
(<VJ(hf
)-
VJ
(hf" ),VJ
(hf ) >)/(<VJ(hf"),VJ(hÍ")
>) 5) sek
=
0emâoâk =
-vJ(hf
) senãodk
= -vJ(hf)+
[5 .dk-'6) minimização linear para encontrar tk ,tal
que
J
(hf+
tk-d
k)S
J
(hf+
t -d
" '),
Vt e
91 õ.z›J‹hf›=
2
‹z2‹›‹,y›+v2[hf‹›z,y›-Ill
`</(LW) _ V(×,y) 6-b) @(xz y)=
f
(X, y)-
f
(X, y) 7)hi”
=
hf +fk -dk 8)k
=
k
+
I I 9) Voltar ao passo (1)obs.: a minimização linear
do
passo (6) foi realizada atravésda
rotina dlinmín , encontradana
Tabela 2.2- Legenda da Tabela 2.1.
Legenda da
Tabela 2.1:Í
(x, y) : estimativada
imagem
original;Í
(x, y) :imagem
de referência;g(x, y):
imagem
degradada;e(x, y) :
imagem
de erro;hf (x, y) : filtro de reconstrução
na
iteração k;N
X
eNy:
suportedo
filtro de reconstrução;y : constante de poderação;
Sup: região de suporte
da
imagem
original;J
(hf) : valorda
função custo paraum
dado
filtro de reconstrução;VJ
(hf) : gradiente deJ
no
ponto hf ;(- , -) : produto escalar; .
Est[ -
]: operador referente ao bloco estimador;
L
F : valordo
pixel quecompõe
a cor defimdo.
2.5-
Conclusão.
Neste capítulo, foram apresentados
modelos
para sistemas de degradação e restauração de imagens.As
duas principais abordagens para reconstrução, clássica e autodidata,foram
discutidas e, nesta última, a técnicaNAS-RIF
foimais
detalhadamente explorada.Os
sistemasconsiderados
no
Capítulo 5 estão estruturadosconforme
mostrado nas Figs 2.3, 2.4 e 2.6.As
técnicas clássicasoperam
com
conhecimento
a
priorida
imagem
originalou do
sistema de degradação, enquanto que as autodidatas trabalham
com
escassas informações dessesdois elementos.
Nos
sistemas autodidatas, aimagem
de referência,f
(x, y), responsável porcomandar
a convergência dos coeficientesdo
filtro de reconstrução, é obtida atravésda
CAPÍTULO 2 -
DEGRADAÇÃQ
E RESTAURAÇÃO DE IMAGENS 19estimador, incorpora as restrições
da
imagem
original edo
sistema degradador.No
casoda
técnica
NAS-RIF,
as restrições são: suporte conhecido enão
negatividadeda
imagem
original.Em
todos os sistemas de recuperação deimagens
abordados,há
a presença deum
bloco de otimizaçãoou
adaptação, cuja finalidade é encontrar 0 ponto ótimo deuma
superfície dedesempenho,
ajustando os coeficientesdo
filtro de restauração para diminuir o sinal de erro e(x, y).O
algoritmoNAS-RIF
-emprega, para essefim,
uma
rotina deminimização que
usa a informaçãodo
gradienteda
superfície. Todavia, pode-se utilizar qualquer estratégia para ajustaros parâmetros de hr (x, y) , entre as quais os
AGs,
citadosno
Capítulo 1 deste trabalho.ç
Sendo
um
dos objetivos desta dissertação aplicarAGs
ao processamento de imagens, éreservado- ao Capítulo 3 a discussão sobre as idéias e operadores .que estruturam este
ALGORITMOS GENÉTICOS
ARTIFICIAIS
3. 1-
Introdução.
Algoritmos genéticos
(AGs)
vêm
sendo utilizados,com
resultados bastante animadores,em
aplicaçõesque requerem algum
procedimento de otimização.Embora.os
trabalhos pioneirosdatem
dos anos 50,somente na
década de 70, através dos resultados dos trabalhosíde Holland, atécnica
ganhou
popularidade e maior interesseda
comunidade
científica [1,13]. Atualmente,um
considerável esforço
tem
sido realizado para divulgar, investigarmais
profundamente e aplicar oz
que
tem
sido desenvolvido a respeito dosAGs
[l4,15].Biólogos
que
procuravam
um
entendimentomais
claro sobre osmecanismos
naturais deevolução, através de simulações
em
computador,foram
os responsáveis pelas primeirasimplementações de
AGs,
bem
antes que estesfossem
aplicadosem
problemas de otimização porengenheiros, matemáticos Ae economistas. Eis o porquê
da
terminologia efilosofia
dosAGs
serem,
em
grande parte, provenientesda
-biologia.UmiAG
funcionada
seguinte maneira: inicialmente, tem-seuma
população,composta
pordeterminado
número
de indivíduos.Cada
indivíduo é representado porum
cromossomo
que
contém
suas carcterísticas genéticas. Valores de aptidão são, então, associados aos indivíduos.Os
CAPÍTULO 3 - ALGORITMOS GENÉTICOS ARTIFICIAIS 21
mais
aptospossuem
maior
probabilidade de sobreviver e transmitir suas características àsgerações futuras. Portanto, o
AG
trabalha paramaximizar
a aptidãomédia
deuma
população ao, i _ _ ' *s «
longo das gerações, através dos processos de seleção, cruzamento,
mutação
e reposição.\
Normalmente,
em
sistemas adaptativosnão
genéticos, tem-seuma
única estimativa inicial_
V
. , .
dos parâmetros de
um
filtro,que
é aprimorada recursivamentecom
o crescentenúmero
deí J ‹ _ 1 ‹ , f› V' _ - z _ , “ F V .
iterações
do
algoritmode
adaptação [16].Com
o uso deAGS,
parte-se deum
conjuntode
A (
/ . -
/ \( ¡ _o _ .
M
estimativas (pppulação de ‹ "` indivíduos), às . quais , estão associados erros r de estimação _ (aptidões).
_› _ ,, . z z -1 K.. 1)”
As
estimativas (indivíduos)combinam
suas características entre si (seleção, cruzamento,mutação
, " '- z
e reposição),
dando origem
aum
conjunto de novas estimativas (nova geração)que
possuimenor
~
K c ¢ ,.. .
erro
médio
de estimação (maior aptidão média)que
o conjunto anterior.\ vt'
`
`“ f ` ci
C'."“- ~ . f
Na
seção 3.2, é apresentadoum
procedimento para representar filtros através decromossomos.
A
atribuição de valores de aptidão aos indivíduos deuma
população écomentada
na
seção 3.3, enquanto, as etapas deuma
iteração deum
AG,
chamadas
de ciclo básico, sãoapresentadas
na
seçãoNa
seção 3.5, são abordados os operadores de seleção, cruzamento,z “ -
mutação
e reposição.Na
seção 3.6,' a convergência e estabilidade dos A(§s são discutidas à luzda
teoria de esquemas.Nas
referências [1_,2,l7] são encontradas maiores informações sobre a evolução histórica ~›
3.2-
Codificação
de
um
Cromossomo.
Em
AGs,
cada indivíduo é representado porum
cromossomo.
Por sua vez,cada
cromossomo
éum
vetor decomponentes
binários, os quaisrecebem o
nome
de genes.Na
I
utilização de
AGs em
filtragem adaptável, cada filtro (indivíduo) é representado porum
_¬ -
f \ 1 ~
f
Cl`01'I1OSSOI'I'lO.
A
primeira providência a sertomada
para aplicarum
AG
à filtragem adaptável é codificaro
cromossomo, ou
seja,,representar através deum
vetor binário os parâmetros (coeficientes) deum
filtro. Esta codificaçãopode
ser realizadada
seguinte fonna:I
/
Y
a) .cada coeficiente
do
filtro a ser representado é quantizado e expresso poruma
seqüência\ \
binária fipita;
b) cada seqüência é ordenada
uma
após a outra para aformação do cromossomo.
A
seguir, é apresentadoum
exemplo
paramaior
entendimento do procedimento decodificação descrito.
Exemplo
3.1: Seja h(x) a resposta ao impulso decomprimento
finito deum
filtro.Supondo
onúmero
de amostras de h(x) igual a4
e cadauma
delas codificadacom
uma
palavrade
4
bitsno
intervalo [Q ; 0,l], poder-se-ia termn
cromossomo
que
representasse h(x)dado
por:(DCíXí)(í)(D(D(Ê)(¶)(D(9)®(l)@(D(íX2)
CAPÍTULO 3 - ALGORITMOS GENÉTICOS ARTIFICIAIS 23
a) divide-se o
cromossomo
em
grupos de4
bits;1 - ' '
b) cada grupo representa
uma
das amostras de h(x). Para cada grupode 4
bits, deve-ses z .
\ ._ -
~
_ z- I .
achar sua respectiva representação
em
base decimal;c) calcula-se o valor real de cada amostra h(x) ,
segundo
a expressão1 h(x)
=
h
.+
~[cromosomo]
(3.l) mm 2_
1 V 10 onde:[~
Lo
é a representaçãoem
base decimaldo
argumento;b é o
número
de bitsda
palavra usada para representar as amostras de h(x) ; "h,,,¡.,, e
hm
são os valoresmínimo
emáximo
representados pelo quantizador, neste caso, Oe 0,1 , respectivamente.
No
exemplo
assumido,h(0)=
0+(%¿ff§)_)[1111],,=
o+__(°°}`°)15=
0,12
-1
hu)
=
0,080h(2)
=
0,060h(3)
=
0,040O
cromossomo
I 1 I 1 I I 001 001 01 I 0, portanto, representa o filtro de resposta ao impulsoh(x) , representado, a seguir, pelo vetor
h
.h=[0,1
0,080 0,060 o,040]fA
Fig. 3.2 mostra, resumidamente, as etapas para o cálculo dos coeficientes de h(x)_00999909009
§\§
§\
š/
0000 0000
15 12 9 6 0080
0
060
0
040
091 9 7 9Fig. 3. 2- Cálculo das amostras de h(x).
A
escolha dos valores de hmm,hme
bdepende da
naturezado
problema.No
entanto,deve-se ter
sempre
em
mente que
hmm ehmm
definem
a região de buscana
superfície deCAPÍTULO 3
-
ALGORITMOS GENÉTICOS ARTIFICIAIS 25Existem
outras maneiras de se codificarum
cromossomo
mas, o procedimento aquiapresentado (codificação multi-paramétríca de
parâmetros
concatenados [l]) é de simplesimplementação
e apresenta bons resultados práticos.Nas
simulações desta dissertação, todos osAGs
tiveram seus indivíduos codificadosda
forma
descrita.0
3.3-
Atribuição
de
Aptidão
aos
Indivíduos.
Na
Natureza, os elementos deuma
espéciemais
adaptados às condiçõesde
seu ambiente,ou
seja, osmais
aptos,têm maior
chance de sobreviver e transmitir seus códigos genéticos àsI . -. ., ›
futuras gerações. '
'
Em
AGs
artificiais, deseja-se exatamente amesma
coisa. Para isso, é precisoque
a cadaindivíduo¿(filtro) .esteja associado
um
valor de aptidão.Em
filtragem adaptável, a aptidão é1 ' › -
inversamente proporcional ao sinal de erro: os melhores filtros são aqueles
que
apresentammenores
erros de estimação. ''
\
Os
AGs
trabalham,como
já comentado, para aumentar a aptidãomédia da
população aolongo das gerações. Por este motivo,
em
se tratando deum
problema
de minimização,como
no
_. \ « , f
i
caso de filtragem adaptativa, é necessário “transformá-lo”
em
maximização. Logo, considerandoJ
(Tabela 2.,1, passo õ) a função a serminimizada
no
processo de restauração de imagens, aapädão
deum
indivíduo, apt ,pode
ser calculadasegundo
(3.2)E
apt=K-,]h'*
,se
J(hf)SK
. -(f)
k(32)
=0
,se
J(h,)>K
ã
O
valor deK
em
(3.2)pode
ser, por exemplo, igual aomaior
valor deJ
(hf ) nas últimasiterações.
É
estabelecidona
literatura, queK
deve variar proporcionalmente à variânciada
aptidão
média da
população ao longo das gerações, para que sejam alcançadosbons
resultados [1 ].
3.4-
Ciclo
Básico.
Ciclo básico são as ações necessárias para a realização de
uma
iteraçãoem
um
AG.
_, \ _.. ~ ._ _ ¬ . Constitui-se
em:
‹ a) seleção; b) cruzamento; c) mutação; d) reposição.A
Fig. 3.3 ilustra as etapas deuma
iteraçãoem
um
AG:
partindo-se dageração
atual, sãoselecionados os indivíduos para cruzamento. Indivíduos
mais
aptos (os demaior
apt)têm
maiores chances de
serem
selecionados.Na
etapa de cruzamento, aqueles selecionados, aos pares,¬ ~. ' ' Y
trocam entre si patrimônio genético (características),
dando origem
a urnapopulação
« _
L » I
intermediária. Desta população, serão retirados indivíduos, segundo os critérios de reposição
para a
formação
deuma
nova
geração. Eventualmente, alguns elementosda nova
geração sofrem`
'
I
mutações (modificações
aleatórias deum
ou mais
de seus genes).CAPÍTULO 3 - ALGoRIrMo s GENÉTIcos ARTIFICIAIS
O
ciclo básico s e repete até que seja satisfeitoum
critério de parada, normalmente,número
máximo
de gera ões ' ' '.
Os
operadores que realizam a selepróxima, seção.
ç
ou
erromedio
guadraticomaximo.
ção, cruzamento,
mutação
e reposição são abordadosna
lí:
|:I
Seleção Cruzamento Mutação H “z° “ :z ›;›;›~.›P0
» _ ,Y _ z/f‹.&e«‹~ fz. ', à*~*àY`«;Í/'°'"" Â f ,W QM .› .zz »- » ›' ` Â: 1% -. ' -:.'.'.--4.: ,W 1:21 |:_:l Reposição " wøíâs » g¿»,§'^ ' ~*â~› ':.:.:.:.:;*"*' ««.~I^z‹MMo. íš À ”_ rëãöäw, yí/I e Q: mv lwšíšF
ig. 3.3- Ciclo Básico deum
algoritmo genético.3.5-
Operadores.
3.5.1-
Operador
de
Seleção.
O
operador de seleção é responsável pela escolha daqueles indivíduosda
população atualI
que
irão contribuir para a formação deuma
nova
geração. Dentre as formas de realizar a seleção,. .,
,`
.
pode-se destacar;
a)
Amostragem
Estocásticacom
Reposição z.ou
Método
.da
Roleta: este operador simula o_
«
giro de
uma
roletacom
quantidade denúmeros
referentes a cadacromossomo
/'l ` i
l "
«I proporcional à aptidão deste.
Quanto maior
a aptidãodo
cromossomo, maior
a‹
. quantidade de posições
da
roleta associados aum
determinado indivíduoe, portanto,
maior
a chance deste ser z selecionado f para cruzamento. \, r ,\\
b)
Amostragem
Determinística: Calcula-seo
número
esperado de vezes de cada indivíduo~ z '
_ ×
ser selecionado através
da
expressãoQ
Zapti
Í zzk= N§ff'¶NPz›p
(33)
I onde:aptk : aptidão
do
k-ésimo indivíduoda
população;CAPITULO 3 - ALGORITMOS GENÉTICOS ARTIFICIAIS 29
nk :
número
esperado de vezes de o k-ésimo individuo ser selecionado para cruzamento.A
parte inteira de n,, determina quantasvezes o k-ésimocromossomo
será selecionado.f
A
artirda
arte fracionária dos n k._'s, éformado
um
vetor índice de indivíduos9 f 1 'z
ordenado de maneira decrescente.
A
quantidade de seleções que falta paracompor
_/
Itodos os pares necessários para gerar
uma
nova
geração (cada par decromossomos-pais
) › f \ »
gera
um
par decromossomos-filhos)
é obtida atravésdo
vetor índice de indivíduos,acima
definido.Os
cromossomos
com
maior
parte fracionária são selecionados até'
,Í -»- .I `
"
chegar ao
número
de seleções desejado.c) 'Amostragem Estocástica dos Restos
sem
Reposição:A
primeira etapazé idêntica ao.método
(b). Entretanto, as seleções restantes, anterionnente obtidas pelaordem
,z _ .
_ z
\ 1 ,
decrescente
da
parte fracionária dos nk 's, são realizadas procedendo-se aum
sorteio de,Bernoulli para cada indivíduo, tendo
o
evento {k-ésímocromossomo
selecionado}probabilidade igual a parte fracionária de nk.
Caso
o resultadodo
sorteio seja.
`_
favorável, o
cromossomo
é selecionado enãoestará mais
disponível para futuros'
'\` . I
sorteios.
Os
sorteios são repetidos atéque
todas as seleções necessárias sejam3
É r
realizadas.
Há
outros operadores que são simples variantes dos aqui apresentados, porexemplo,
e /
[l].
A
escolha deum
método
em
particular deve considerarque
a seleção paracruzamento
tem
por princípio premiar os
cromossomos
quepossuem
maior
aptidão.e .
, a.
3.5.2-
Operador de
Cruzamento.
Os
pares selecionadospossuem
probabilidade de cruzamento pc.O
cruzamento
só se.W _ ›\
efetuará caso, feito
um
sorteio, o resultado for favorável.Não
o sendo, osnovos
- \
cromossomos-filhos
serão cópias idênticas aos cromossomos-pais. Ocorrendo cruzamento, este realizar-se-ácomo
ilustradona
Fig. 3.4.Criomossomos-pais
M
He
m
~ Cruzamento › `Cromossomo-filho 1*~
‹Cromossomo-filho 2 tzõãzëhffl'Í
oiaêfl
ty)F
ig. 3.4- Cruzamento.A
posiçãoonde
oscromossomos
são seccionados é escolhida aleatoriamente.E \ ` ~ ,
É
possível,também,
haver cruzamentocom
mais
deuma
posição para seçãodo
cromossomo:
ochamado
cruzamento multi-ponto (Fig. 3.5).CAPÍTULO3 - ALGORITMOS GENÉTICOS ARTIFICIAIS 31 \‹» Cromossomos-pais
ZU
Cruzamento multi-ponto Cromossomo-fiIho1 IM
.
Cromossomo-fiIho2,Ó
.+F
ig. 3.5- Cruzamento multi-ponto.3.5.3-
Operador de
Mutação.
Após
a seleção e o cruzamento, tem-secomo
resultadouma
sub-populaçãoou
populaçãointermediária,
formada
pelos cromossomos-pais ecromossomos-filhos
. zI
V Para cada
gene
de cadacromossomo
da
população intennediária é realizadoum
teste de~ ¬
mutação.
O
evento favorável àmutação
possui probabilidadepm
,normalmente
'daordem
de 10°.Passando
o geneno
teste de mutação, seu valor é trocado: se é“O”
toma-sei “I ” e vice-versa(Fig. 3.6).
(Í)(Ê)(Í)(Í)(ÍY)(7)(7)@(7)(7)
U
Mutação de
um
gene(ÊXÍXÍXÍXÊÍXÍXÍXÍXÊXÍ)
3.5.4-
Reposição.
Estabelecida a população intermediária, parte de seus
componentes
irácompor
anova
geração de indivíduos e o restante será descartado.
A
escolha de quaiscromossomos
da
população intermediária formarão anova
geração obedece aos critérios de reposição.5 '
\
V
.
A
reposição de indivíduospode
ser realizadasegundo
três estratégias,ou
suas variantes, a. _, V ;- V . _ ,-' ' ,_ t z- _ ‹. saber:
a) Estratégia Não-Elitísta: toda a população de cromossomos-pais é substituída pela de
,` ^ \
cromossomos-filhoàs;
b) Estratégia Elitista:_ toda a população de cromossomos-pais é substituída pela
de
cromossomos-filhos. Entretanto, 0
melhor
cromossomo
de todas as gerações é'
f. Ú › ,
annazenado, a
fim
deque
seja reintroduzido periodicamenteem
novas
populações,- -.~ V' f ,
F - c.
t caso estas
não possuam,
pelomenos,
uma
cópia s,ua; _ ‹\c) Estratégia Mista: apenas
uma
parcelada
população de cromossomos-pais será\. ‹
substituída, geralmente os. piores indivíduos, pelos melhores exemplares