果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法技术

本发明专利技术公开了一种果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法。初始化果蝇群体位置，给出果蝇个体利用嗅觉搜寻食物的随机方向和距离，先计算果蝇个体与原点之间的距离，再计算味道浓度判定值，代入味道浓度判定函数求出该果蝇个体位置的味道浓度，求出味道浓度最高的果蝇，设置进化计算终止条件，判断最优适应度是否满足终止条件，若满足，则输出具有最优适应度的个体位置，若不满足则对群体中不满足终止条件的全部个体进行杜鹃搜索算法，产生新的群体位置，将产生的新群体位置继续返回循环操作，直到达到进化计算的终止条件，输出具有最优适应度的位置。本发明专利技术提高算法的优化效率和优化效果，是一种有实际应用价值的融合算法。

【技术实现步骤摘要】
果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法
本专利技术属于图像增强领域，涉及一种图像增强优化的方法，具体涉及的是一种利用果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法。
技术介绍
图像增强方法根据其处理的空间不同，为空域方法和频域方法。灰度变换是一种基于像素操作空域增强方法，它通过一定的规则将图像中每一个像素的灰度值修改为一个新的灰度值来进行图像增强。果蝇优化算法(FOA)是基于群体的演化算法，其基本思想来源于果蝇觅食行为。果蝇在嗅觉和视觉能力上优于其他物种。果蝇首先通过嗅觉搜索食物(可达40km远)当离食物较近时，通过敏锐的视觉继续进行搜索，并最终找到食物源。FOA的嗅觉搜索机制和视觉搜索机制更为简洁。果蝇利用嗅觉和视觉进行搜索，嗅觉搜索能力使果蝇可以跳出局部最优解，而视觉搜索可以使果蝇比较快的定位到较优位置。因此FOA具有较小的计算量、较低的复杂度、较高的精度，但其寻优结果较不稳定，容易陷入局部最优解。杜鹃搜索算法通过模拟杜鹃鸟巢寄生育雏行为，结合Lévyflights机制进行寻优操作，能够快速有效地找到问题的最优解。整个算法操作简单、易于实现。CS算法利用莱维飞行进行全局搜索，具有良好的全局寻优能力。作为一种通用型算法，CS算法易于与其他算法相结合，进而获得性能更加优越的混合算法。
技术实现思路
为了解决目前现有技术中的果蝇算法和杜鹃搜索算法各自存在的缺点。例如，果蝇算法易于陷入局部最优解，杜鹃搜索算法收敛速度慢；本专利技术提供了一种利用果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，解决了果蝇算法容易陷于局部最优解、杜鹃搜索算法收敛速度慢的问题，提高算法的优化效率和优化效果。本专利技术所采用的技术方案是：一种利用果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，包括以下步骤：步骤1：初始化果蝇群体位置，即为图像中像素点的位置；步骤2：给出果蝇个体利用嗅觉搜寻食物的随机方向和距离；步骤3：由于开始无法获知食物的具体位置，所以先计算果蝇个体与原点之间的距离Disti，再计算味道浓度判定值Si即为灰度值；步骤4：味道浓度判定值Si代入味道浓度判定函数即评价增强图像的质量的标准的公式以求出该果蝇个体位置的味道浓度Smelli；步骤5：找出此果蝇群体中味道浓度最高的果蝇；步骤6：设置适应度函数值的最大阈值为迭代终止条件，判断步骤5中的最优适应度是否满足终止条件，若满足，则输出具有最优适应度的个体，若不满足执行步骤7；步骤7：对群体中不满足终止条件的全部个体进行杜鹃搜索算法，产生新的群体位置；步骤8：将步骤7中产生的新群体位置继续返回步骤2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的位置。本专利技术的有益效果是：(1)通过本专利技术的方法将果蝇算法、杜鹃搜索算法进行融合操作，解决了果蝇算法容易陷于局部最优解、杜鹃搜索算法收敛速度慢的问题，提高算法的优化效率和图像增强优化效果。(2)本专利技术对群体中的个体，进行适应度计算。在具体应用中，适应度函数的设计要结合求解问题本身的要求而定。适应度函数设计直接影响到进化算法的性能。附图说明图1本专利技术实施例的流程图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，需要说明的是果蝇算法和杜鹃搜索算法是已有技术，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，本专利技术所采用的技术方案是：一种利用果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，包括以下步骤：步骤1：初始化果蝇群体位置：其中，X_axis、Y_axis分别表示果蝇初始位置横纵坐标值。步骤2：给出果蝇个体利用嗅觉搜寻食物的随机方向和距离：其中，X_axis、Y_axis分别表示果蝇初始位置横纵坐标值，RandomValue表示随机数，两者相加得到新的果蝇位置的横纵坐标值。步骤3：由于开始无法获知食物的具体位置，所以先计算果蝇个体与原点之间的距离Disti，再计算味道浓度判定值Si：Si＝1/DistiXi、Yi分别表示果蝇当前所在位置的坐标值，果蝇个体利用嗅觉搜寻食物的随机方向和距离；步骤4：味道浓度判定值Si代入味道浓度判定函数(或称为Fitnessfunction)以求出该果蝇个体位置的味道浓度Smelli：Smelli＝Fitness(Si)；其中，Si表示味道浓度判定值，Fitness(Si)表示味道浓度判定函数，判定函数由具体的应用场景决定，在图像增强中即为评价增强图像的质量的标准公式：其中M、N分别代表图像的宽、高，f'(x,y)为像素点(x,y)变换后的灰度值，fit值越大，图像的对比度越大，图像的增强效果越好；步骤5：找出此果蝇群体中味道浓度最高的果蝇(求极大值)：[bestSmell,bestIndex]＝max(Smell)；其中，bestSmell表示最佳味道浓度值，bestIndex表示最佳味道浓度所在位置坐标，Smell表示每个个体位置的味道浓度。步骤6：设置适应度函数值的最大阈值为进化计算终止条件，判断步骤5中的最优适应度是否满足终止条件，若满足，则输出具有最优适应度的个体，若不满足执行步骤7；优化计算终止条件为所设置的适应度函数的值的最大阈值或者最大的迭代次数。步骤7：对种群中不满足终止条件的全部个体进行杜鹃搜索算法，产生新的种群位置，杜鹃搜索算法包括如下步骤；步骤7.1：将种群中不满足终止条件的全部个体作为初始化鸟巢的位置Xi,i∈[1,n]，定义目标函数f(x),X＝[X1,X2,…,Xn]T。步骤7.2：计算每个鸟巢位置的目标函数值并进行比较，得到当前的最优函数值。步骤7.3：对除最优鸟巢以外的其他鸟巢的位置和状态进行更新，计算目标函数值，获得的函数值与当前的最优函数值进行比较，若较好，则更新记录当前最优值。利用莱维飞行对除最优鸟巢以外的其他鸟巢的位置和状态进行更新，杜鹃鸟寻找宿主鸟巢的位置和路径更新公式如下：其中，表示第i个鸟巢在第t次迭代是的位置，步长因a＞0，用来控制步长，其值服从正态分布，s,λ为正态分布的随机数。步骤7.4位置更新后，用随机数r与Pa进行比较，Pa表示鸟巢主人发现外来鸟蛋的概率，Pa∈[0,1]如果r＞Pa就随机更新一次鸟窝的位置，否则鸟巢位置不变。步骤8：将步骤7中产生的新种群位置继续返回步骤2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的位置。应当理解的是，本说明书未详细阐述的部分均属于现有技术。本领域的普通技术人员在本专利技术的启示下，在不脱离本专利技术权利要求所保护的范围情况下，还可以做出替换或变形，均落入本专利技术的保护范围之内，本专利技术的请求保护范围应以所附权利要求为准。本文档来自技高网...

【技术保护点】
1.一种果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，包括以下步骤：步骤1：初始化果蝇群体位置，即为图像中像素点的位置；步骤2：给出果蝇个体利用嗅觉搜寻食物的随机方向和距离；步骤3：由于开始无法获知食物的具体位置，所以先计算果蝇个体与原点之间的距离Disti，再计算味道浓度判定值Si，Si为该点的灰度值；步骤4：味道浓度判定值Si代入味道浓度判定函数，即评价增强图像的质量的标准的公式，以求出该果蝇个体位置的味道浓度Smelli；步骤5：找出此果蝇群体中味道浓度最高的果蝇；步骤6：设置适应度函数值的最大阈值为迭代终止条件，判断步骤5中的最优适应度是否满足终止条件，若满足，则输出具有最优适应度的个体，若不满足执行步骤7；步骤7：对群体中不满足终止条件的全部个体进行杜鹃搜索算法，产生新的群体位置；步骤8：将步骤7中产生的新群体位置继续返回步骤2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的位置。

【技术特征摘要】
1.一种果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，包括以下步骤：步骤1：初始化果蝇群体位置，即为图像中像素点的位置；步骤2：给出果蝇个体利用嗅觉搜寻食物的随机方向和距离；步骤3：由于开始无法获知食物的具体位置，所以先计算果蝇个体与原点之间的距离Disti，再计算味道浓度判定值Si，Si为该点的灰度值；步骤4：味道浓度判定值Si代入味道浓度判定函数，即评价增强图像的质量的标准的公式，以求出该果蝇个体位置的味道浓度Smelli；步骤5：找出此果蝇群体中味道浓度最高的果蝇；步骤6：设置适应度函数值的最大阈值为迭代终止条件，判断步骤5中的最优适应度是否满足终止条件，若满足，则输出具有最优适应度的个体，若不满足执行步骤7；步骤7：对群体中不满足终止条件的全部个体进行杜鹃搜索算法，产生新的群体位置；步骤8：将步骤7中产生的新群体位置继续返回步骤2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的位置。2.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤1中果蝇群体位置定义为：其中，X_axis、Y_axis分别表示果蝇初始位置横纵坐标值。3.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤2中果蝇个体利用嗅觉搜寻食物的随机方向和距离定义为：其中，X_axis、Y_axis分别表示果蝇初始位置横纵坐标值，RandomValue表示随机数，两者相加得到新的果蝇位置的横纵坐标值。4.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于：步骤3中，计算果蝇个体与原点之间的距离Disti和味道浓度判定值Si所采用的公式为：其中，Xi、Yi分别表示果蝇当前所在位置的坐标值，果蝇个体利用嗅觉搜寻食物的随机方向和距离。5.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤4中果蝇个体位置的味道浓度Smelli为：...

【专利技术属性】
技术研发人员：叶志伟，曹烨，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北,42