李 丹， 王洪涛

(河南牧业经济学院，河南 郑州450044)

人类传递的信息有80%是视觉信息，因此，图像信息是传递信息的重要媒体和手段。但是图像获取过程中，总会受到噪声的污染使得图像的质量下降，而在一些场合总需要一些清晰度高的图像，比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等，这些都有利于对图像中目标的识别、跟踪和理解[1-2]。

目前，在图像消噪过程中采用的方法有：局部统计特性学、多尺度分析学、数学形态学等，这些方法的共同特质是实现简单，但是消噪效果差[3]。后来出现了人工智能算法，比如：遗传算法、模拟退火算法、粒子群算法等，遗传算法主要有局部搜索能力差和存在早熟等问题，使得需要较长时间才能找到最优解，且易陷入局部极值[4]；模拟退火算法具有较强的局部搜索能力，但把握搜索过程的总体能力较差、运行效率低；粒子群算法在处理后期陷入数据坍塌[5]。对人工智能算法的改进，如适应度尺度变换，遗传参数自适应调整等，这些方法虽然可以提高算法的某些性能，却不能解决收敛速度和全局最优之间的矛盾，同时单一机制的优化算法很难实现全局优化，且效率也较低。

本文采用云模型编码算法，首先通过正态云发生器产生云滴；接着正云滴映射为图像中大于平均灰度的像素，负云滴映射为图像中小于平均灰度的像素，不同云滴的编码则表示不同的像素的灰度特征；……