algorithm - 进化图像匹配模拟的新适应度测量

Question

我相信很多人已经看过使用遗传算法生成与样本图像匹配的图像的演示。您从噪点开始，逐渐变得越来越像目标图像，直到您拥有或多或少完全相同的副本。

然而，我见过的所有示例都使用相当简单的逐像素比较，从而导致最终图像的“淡入”相当可预测。我正在寻找的是更新颖的东西:一种比天真的方法更接近我们所认为的“相似”的适应度测量。

我心里没有特定的结果 - 我只是在寻找比默认值更“有趣”的东西。有什么建议吗？

Answer 1

我假设您正在谈论类似 Roger Alsing's program 的内容.

我实现了一个版本，所以我也对替代健身功能感兴趣，尽管我是从提高性能而不是美学的角度来看它的。由于进化过程的性质，我预计总会有一些“淡入”元素(尽管调整进化运算符可能会影响它的外观)。

逐个像素的比较对于除小图像之外的任何东西来说都是昂贵的。例如，我使用的 200x200 像素图像有 40,000 像素。每个像素有三个值(R、G 和 B)，因此必须将 120,000 个值纳入单个图像的适应度计算中。在我的实现中，我在进行比较之前缩小了图像，这样像素就更少了。代价是进化图像的准确性略有降低。

在研究替代适应度函数时，我发现了一些使用 YUV colour space 的建议而不是 RGB，因为这更符合人类的感知。

我的另一个想法是只比较随机选择的像素样本。如果不尝试，我不确定这会有多好。由于比较的像素对于每次评估都是不同的，因此它会起到维持种群内多样性的作用。

除此之外，您还处于计算机视觉领域。我预计这些依赖于特征提取的技术每张图像的成本会更高，但如果它们可以减少生成可接受结果所需的生成次数，那么它们总体上可能会更快。您可能想调查 PerceptualDiff图书馆。另外，this page显示了一些 Java 代码，这些代码可用于根据特征而不是像素比较图像的相似性。