基于混沌和声搜索的图像增强方法、介质及装置制造方法及图纸

本发明专利技术涉及图像处理领域，提供了一种基于混沌和声搜索的图像增强方法，旨在解决如何实现快速且有效地进行图像增强的技术问题。为此目的，本发明专利技术中图像增强方法包括步骤S1：随机初始化和声库；步骤S2：混沌搜索得到一个新个体；步骤S3：更新和声库；步骤S4：获取最优个体，然后判断是否满足终止条件，若否则转到步骤S2，若是则转到步骤S5；步骤S5：解码最优个体，利用非完全Beta函数对图像进行非线性变换得到增强后图像。本发明专利技术利用优化设计的非完全Beta函数对目标图像进行非线性变换，提高了增强图像的视觉效果。

Image enhancement method, medium and device based on chaotic harmony search

The present invention relates to the field of image processing, and provides an image enhancement method based on chaos and sound search, which aims to solve the technical problem of how to achieve rapid and effective image enhancement. For this purpose, the image enhancement method in the present invention includes step S1: random initialization and sound library; step S2: chaotic search to get a new individual; step S3: update and sound library; step S4: obtain the optimal individual, and then judge whether to satisfy the terminating condition, if otherwise to step S2, then to step S5; step S5: The optimal individual is decoded, and the enhanced image is obtained by non-linear transformation of the incomplete Beta function. The present invention utilizes the optimized imperfect Beta function to transform the target image nonlinearly and improves the visual effect of the enhanced image.

【技术实现步骤摘要】
基于混沌和声搜索的图像增强方法、介质及装置
本专利技术涉及图像处理
，具体涉及一种基于混沌和声搜索的图像增强方法、计算机存储介质及处理装置。
技术介绍
图像增强技术可以有效克服数字图像中对比度较差、亮度不均和和曝光过度等问题，其目标函数往往表现出不连续和不可导等数学特性，因此利用目标函数实现数字图像增强时难以有效地改善数字图像的视觉效果。当前，可以采用启发式搜索算法，如和声搜索算法对数字图像进行图像增强，其不需要目标函数满足连续和可导等数学特性，是一种可行度较高的图像增强技术。和声搜索算法虽然已经广泛应用于通信、语音识别和新能源预测等多种工程领域中，但其应用于图像增强时容易出现局部搜索能力不足的缺点，影响最终的图像增强效果。
技术实现思路
为了解决现有技术中的上述问题，即为了解决如何实现快速且有效地进行图像增强的技术问题，本专利技术提供了一种基于混沌和声搜索的图像增强方法、计算机存储介质及处理装置。在第一方面，本专利技术中基于混沌和声搜索的图像增强方法包括基于和声搜索算法对目标图像进行图像增强，具体为：步骤S1：随机生成初始和声库，然后计算和声库中每个个体的适应值，其中，所述个体为包含非完全Beta函数的参数α和β的编码信息；步骤S2：采用Logistic混沌映射算法生成混沌权值，并依据所生成的混沌权值执行混沌搜索，得到一个新个体；其中，“依据所生成的混沌权值执行混沌搜索，得到一个新个体”的步骤具体包括：步骤S211：设置计数值kj的初值为1；步骤S212：判断计数值kj是否大于预设的优化参数个数D，若是则转到步骤S3，若否则转到步骤S213；步骤S213：在预设的第三数值区间内生成两个不相等的第四随机数NI和第五随机数NK；步骤S214：在所述预设的第一数值区间内生成第六随机数THR；步骤S215：判断所述第六随机数THR是否小于预设库取概率HMCR，若是则转到步骤S216，若否则转到步骤S224；步骤S216：选取所述和声库中个体编号为所述第四随机数NI的个体中第kj个维度的值并将其赋值给新个体Ut中第kj个维度的值其中，所述t为当前迭代次数；步骤S217：在所述预设的第一数值区间内生成第七随机数TPK；步骤S218：判断所述第七随机数TPK是否小于预设扰动概率PAR，若是则转到步骤S219，若否则转到步骤S226；步骤S219：在预设的第四数值区间内生成第八随机数TPN；步骤S220：选取所述和声库中前TPN个优秀个体，并计算所选取优秀个体的均值TPM；步骤S221：按照下式所示的方法计算精英采样值EV：其中，所述为和声库中最优个体Bestt的第kj个维度的值；所述为和声库中个体编号为所述第五随机数NK的个体中第kj个维度的值；所述rand表示随机函数；步骤S222：依据所计算的精英采样值EV，并按照下式所示的方法对所述新个体Ut中第kj个维度的值重新赋值：其中，所述TPMkj为均值TPM中第kj个维度的值，所述SR为搜索因子，所述为和声库中个体编号为所述第四随机数NI的个体中第kj个维度的值；所述LG为混沌权值；步骤S223：转到步骤S226；步骤S224：按照下式所示的方法计算随机采样值RV：RV＝XLkj+rand(0,1)×(XUkj-XLkj)其中，所述XLkj为第kj个优化参数值的下界，所述XUkj为第kj个优化参数值的上界；步骤S225：依据所计算的随机采样值RV，并按照下式所示的方法对新个体Ut中第kj个维度的值赋值：步骤S226：更新所述计数值kj＝kj+1，并转到步骤S212；步骤S3：计算所述新个体的适应值，并依据所计算的适应值与所述和声库中每个个体的适应值对所述和声库进行更新；步骤S4：获取所述更新后的和声库中的最优个体，然后判断是否满足终止条件，若不满足，则转到步骤S2，否则转到步骤S5；步骤S5：对所述最优个体进行解码得到非完全Beta函数的参数α和β，并利用所述非完全Beta函数对所述目标图像进行非线性变换，得到增强后的目标图像。进一步地，本专利技术提供的一个优选技术方案为：“采用Logistic混沌映射算法生成混沌权值”的步骤具体包括：步骤S231：在预设的第一数值区间内生成第一随机数IR；步骤S232：在预设的第二数值区间内生成第二随机数TE；步骤S233：按照下式所示的方法对迭代因子TR进行赋值：TR＝IR步骤S234：在所述预设的第一数值区间内生成第三随机数PE；步骤S235：判断所述第三随机数PE是否小于所述第二随机数TE：若是则转到步骤S236，若否则依据混沌权值LG执行混沌搜索，得到一个新个体；步骤S236：按照下式所示的方法更新混沌权值LG：LG＝N1×TR×(N2-TR)其中，所述N1和N2分别为预设的常数。步骤S237：按照下式所示的方法对迭代因子TR进行赋值，然后转到步骤S234：TR＝LG步骤S238：转到步骤S234。进一步地，本专利技术提供的一个优选技术方案为：“依据所计算的适应值与所述和声库中每个个体的适应值对所述和声库进行更新”的步骤具体包括：选取所述和声库中的最差个体；依据所述新个体的适应值，以及所述最差个体的适应值，判断所述新个体是否优于所述最差个体：若是则利用所述新个体替换所述最差个体，若否则保持和声库不变。进一步地，本专利技术提供的一个优选技术方案为：所述预设的第一数值区间为实数区间[0,1]；所述预设的第二数值区间为实数区间[0.5,0.9]；所述预设的第三数值区间为实数区间[1,HMS]，其中，所述HMS为所述和声库中个体的总数；所述预设的第四数值区间为实数区间[2,HMS×0.2]。在第二方面，本专利技术中的计算机存储介质，存储有多条程序，所述程序适于由处理器加载并执行以实现上述技术方案所述的基于混沌和声搜索图像增强方法。在第三方面，本专利技术中的处理装置包括：处理器，适于执行各条程序；以及存储设备，适于存储多条程序；所述程序适于由处理器加载并执行以实现：上述技术方案所述的基于混沌和声搜索图像增强方法。与最接近的现有技术相比，上述技术方案至少具有以下有益效果：1、本专利技术中的图像增强方法，采用Logistic混沌映射算法生成混沌权值，并依据所生成的混沌权值执行混沌搜索，得到一个新个体，其混沌搜索过程中将混沌权值融合到最优个体和精英个体的均值中以引导新个体的产生，从而能够加快和声搜索算法的收敛速度。2、本专利技术中的图像增强方法，利用优化设计的非完全Beta函数对目标图像进行非线性变换，得到增强后的目标图像，通过优化设计非完全Beta函数可以提高增强图像的视觉效果。附图说明图1是本专利技术实施例中图像增强方法的主要步骤示意图；图2是本专利技术实施例中利用混沌搜索获取新个体的主要步骤示意图；图3是本专利技术实施例中目标图像的示意图；图4是本专利技术实施例中采用图像增强方法对图3所示目标图像增强后的图像示意图。具体实施方式下面参照附图来描述本专利技术的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。参阅附图1，图1示例性示出了本实施例中基于混沌和声搜索图像增强方法的主要步骤。如图1所示，本实施例中可以基于和声搜索算法对目标图像进行图像增强，具体步骤如下：步骤S1：和声库初始化。具体地，本实施例中对和声搜本文档来自技高网...

【技术保护点】
1.一种基于混沌和声搜索的图像增强方法，其特征在于，所述方法包括基于和声搜索算法对目标图像进行图像增强，具体为：步骤S1：随机生成初始和声库，然后计算和声库中每个个体的适应值，其中，所述个体为包含非完全Beta函数的参数α和β的编码信息；步骤S2：采用Logistic混沌映射算法生成混沌权值，并依据所生成的混沌权值执行混沌搜索，得到一个新个体；其中，“依据所生成的混沌权值执行混沌搜索，得到一个新个体”的步骤具体包括：步骤S211：设置计数值kj的初值为1；步骤S212：判断计数值kj是否大于预设的优化参数个数D，若是则转到步骤S3，若否则转到步骤S213；步骤S213：在预设的第三数值区间内生成两个不相等的第四随机数NI和第五随机数NK；步骤S214：在所述预设的第一数值区间内生成第六随机数THR；步骤S215：判断所述第六随机数THR是否小于预设库取概率HMCR，若是则转到步骤S216，若否则转到步骤S224；步骤S216：选取所述和声库中个体编号为所述第四随机数NI的个体

【技术特征摘要】
1.一种基于混沌和声搜索的图像增强方法，其特征在于，所述方法包括基于和声搜索算法对目标图像进行图像增强，具体为：步骤S1：随机生成初始和声库，然后计算和声库中每个个体的适应值，其中，所述个体为包含非完全Beta函数的参数α和β的编码信息；步骤S2：采用Logistic混沌映射算法生成混沌权值，并依据所生成的混沌权值执行混沌搜索，得到一个新个体；其中，“依据所生成的混沌权值执行混沌搜索，得到一个新个体”的步骤具体包括：步骤S211：设置计数值kj的初值为1；步骤S212：判断计数值kj是否大于预设的优化参数个数D，若是则转到步骤S3，若否则转到步骤S213；步骤S213：在预设的第三数值区间内生成两个不相等的第四随机数NI和第五随机数NK；步骤S214：在所述预设的第一数值区间内生成第六随机数THR；步骤S215：判断所述第六随机数THR是否小于预设库取概率HMCR，若是则转到步骤S216，若否则转到步骤S224；步骤S216：选取所述和声库中个体编号为所述第四随机数NI的个体中第kj个维度的值并将其赋值给新个体Ut中第kj个维度的值其中，所述t为当前迭代次数；步骤S217：在所述预设的第一数值区间内生成第七随机数TPK；步骤S218：判断所述第七随机数TPK是否小于预设扰动概率PAR，若是则转到步骤S219，若否则转到步骤S226；步骤S219：在预设的第四数值区间内生成第八随机数TPN；步骤S220：选取所述和声库中前TPN个优秀个体，并计算所选取优秀个体的平均值TPM；步骤S221：按照下式所示的方法计算精英采样值EV：其中，所述为和声库中最优个体Bestt的第kj个维度的值；所述为和声库中个体编号为所述第五随机数NK的个体中第kj个维度的值；所述rand表示随机函数；步骤S222：依据所计算的精英采样值EV，并按照下式所示的方法对所述新个体Ut中第kj个维度的值重新赋值：其中，所述TPMkj为平均值TPM中第kj个维度的值，所述SR为搜索因子，所述为和声库中个体编号为所述第四随机数NI的个体中第kj个维度的值；所述LG为混沌权值；步骤S223：转到步骤S226；步骤S224：按照下式所示的方法计算随机采样值RV：RV＝XLkj+rand(0,1)×(XUkj-XLkj)其中，所述XLkj为第kj个优化参数值的下界，所述XUkj为第kj个优化参数值的上界；步骤S225：依据所计算的随机采样值RV，并按照下式所示的方法对新个体Ut中第kj个维...

【专利技术属性】
技术研发人员：张文生，郭肇禄，杨萌林，谢刚，魏波，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11