實驗A – 參數調整與分析

本節將對本論文提出的模糊演化式硬體影像雜訊濾波器配合HF雜訊分類法進 行參數調整與分析。實驗參數先透過測試找出最佳的參數組合，實驗參數組合如 下表 5。所有參數組合均將Mask size固定為 3 × 3、CGP grid size固定為 4 × 8，

交配機率有20%及 60%兩種，突變機率有 5%、20%、40%及 60%四種，終止條件 設為5000 代及 8000 代兩種，族群大小為 50 及 100 兩種。當處理的雜訊為SPNoise 時，我們利用含有40%雜訊的影像作為訓練範本，當處理的雜訊為IBNoise時，我 們利用含有 20%雜訊的影像作為訓練範本。實驗結果及收斂趨勢圖如圖 36及圖 37所示，並將上述實驗中分別取出處理SPNoise及IBNoise的最佳前四組參數組合如 表 6所示。

表 5 FCGP 參數組合

參數 參數組合1 參數組合2

Mask size 3 × 3 3 × 3

CGP grid size 4 × 8 4 × 8 Stop criteria 5000 generations 5000 generations

Population size 50 50

Probability of two point

crossover 20% 40%

Probability of mutation 5% 20% 40% 60% 5% 20% 40% 60%

參數 參數組合3 參數組合4

Mask size 3 × 3 3 × 3

CGP grid size 4 × 8 4 × 8 Stop criteria 5000 generations 5000 generations

Population size 100 100

Probability of two point

crossover 20% 40%

Probability of mutation 5% 20% 40% 60% 5% 20% 40% 60%

參數 參數組合5 參數組合6

Mask size 3 × 3 3 × 3

CGP grid size 4 × 8 4 × 8 Stop criteria 8000 generations 8000 generations

Population size 50 50

Probability of two point

crossover 20% 40%

Probability of mutation 5% 20% 40% 60% 5% 20% 40% 60%

參數 參數組合7 參數組合8

Mask size 3 × 3 3 × 3

CGP grid size 4 × 8 4 × 8 Stop criteria 8000 generations 8000 generations

Population size 100 100

Probability of two point

crossover 20% 40%

Probability of mutation 5% 20% 40% 60% 5% 20% 40% 60%

(a) 參數組合 1 (b) 參數組合2

(c) 參數組合 3 (d) 參數組合4

(e) 參數組合 5 (f) 參數組合6

(g) 參數組合 7 (h) 參數組合8

圖 36 實驗 A - SPNoise 之實驗結果

(a) 參數組合 1 (b) 參數組合2

(c) 參數組合 3 (d) 參數組合4

(e) 參數組合 5 (f) 參數組合6

(g) 參數組合 7 (h) 參數組合8

圖 37 實驗 A - IBNoise 之實驗結果

表 6 實驗 A - 最佳前四組參數 SPNoise

參數

組合 Generation Population size Probability of two point crossover

Probability

of mutation Fitness

A 8000 100 60% 60% 98.46%

B 5000 50 60% 40% 98.43%

C 8000 50 20% 40% 98.37%

D 5000 100 60% 60% 98.33%

IBNoise 參數

組合 Generation Population size Probability of two point crossover

Probability

of mutation Fitness

A 5000 100 60% 60% 99.31%

B 8000 100 20% 5% 99.27%

C 8000 50 60% 40% 99.23%

D 8000 50 20% 20% 99.17%

由實驗結果可得知，無論是處理SPNoise或是IBNoise交配機率及突變機率越大 則適應度越有可能會越好。我們將上述實驗中最佳前四組參數組合進行重置機制 的效果測試，實驗結果與收斂趨勢圖如圖 38及圖 39所示，其中No Restart代表尚 未加入重置機制的適應度、Restart 30 代表連續 30 代適應度都無變化就啟動重置機 制的適應度、Restart 150 代表連續 150 代適應度都無變化就啟動重置機制的適應 度。

由實驗結果可以觀察出在多數的情形下重置機制的條件設為連續 150 代適應 度沒變化再啟動會比設為連續30 代適應度沒變化再啟動還能獲得更好的適應度。

由於將族群大小設為50 或是 100、終止條件設為 5000 代或是 8000 代均無法使染 色體可以達到穩定收斂的狀態。因此，加入重置機制後不見得會獲得更好的適應 度。換句話說，若想要訓練出優良的濾波器模型，龐大且耗時的搜尋空間是必要 的。本實驗找出之最佳參數組合如表 7所示，並作為本論文後續實驗的參數設定。

(a) 參數組合 A (b) 參數組合B

(c) 參數組合 C (d) 參數組合D

圖 38 實驗 A - SPNoise 之重置實驗結果

(a) 參數組合 A (b) 參數組合B

(c) 參數組合 C (d) 參數組合D

圖 39 實驗 A - IBNoise 之重置實驗結果

表 7 FCGP 參數設定

參數 處理SPNoise 處理IBNoise

Mask size 3 × 3 3 × 3

CGP grid size 4 × 8 4 × 8 Stop criteria 8000 generations 5000 generations

Population size 100 100

Probability of two point

crossover 60% 60%

Probability of mutation 60% 60%

Restart 150 generations 150 generations