一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法技术

本发明专利技术公开了一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，结合优化算法使用萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，优化算法每一次更新最优解时都使用两种算法中的更优解替换原本自身的最优解，充分解决了目前现有技术中的萤火虫算法易于陷入局部最优和杜鹃搜索算法收敛速度较慢的缺点，集合了两者的优点，从而更高效的进行图像增强，该方法具有较快的搜索速度和较强的全局寻优能力。

【技术实现步骤摘要】
一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法
本专利技术属于图像处理
，涉及一种图像增强方法，具体涉及一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法。
技术介绍
近年来，在电子、通信、计算机、自动化等众多学科中，不断地出现了许多复杂的组合优化问题。面对这些问题，传统的优化方法需要遍历整个空间，无法在短时间内完成搜索，特别是在某些工程优化问题中，需要寻找最优解，但工程优化的复杂性、非线性、约束性以及建模困难等诸多特点，寻求高效的优化算法已成为相关学科的主要研究内容之一，收到人类智能、生物群体社会性或自然现象规律的启发，人们专利技术了很多智能优化算法来解决上述复杂优化问题。萤火虫算法是一种模仿萤火虫之间信息交流，相互吸引集合，警戒危险。萤火虫算法的流程极其简单，算法拥有较快的收敛速度，但种群快速收敛的同时有较大的概率陷入局部最优，而萤火虫算法的流程中没有跳出局部最优的操作。因此该基本算法收敛速度快但易于陷入局部最优。杜鹃搜索算法是一种模仿杜鹃鸟寻窝产卵活动的群集智能优化算法。算法有极强的跳出局部最优能力。同时由于寄主放弃寄生巢的操作，算法在的局部搜索能力不强，在算法初期算本文档来自技高网...

【技术保护点】
1.一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，其特征在于，包括以下步骤：步骤1：输入待进行增强的原始图像S，使用图像增强方法对图像进行增强；步骤2：初始化萤火虫算法基本参数，随机初始化萤火虫的位置为种群1；步骤3：初始化杜鹃搜索算法基本参数，随机初始化鸟巢位置为种群2；步骤4：在种群1更新萤火虫的位置，重新计算萤火虫的亮度，并计算其适应度函数；步骤5：保留当前最优值A1i，其中i为迭代次数；步骤6：在种群2中执行杜鹃搜索，并计算其适应度函数；步骤7：保留当前最优值A2i；步骤8：比较A1i、A2i，将两者中的更优的值更新为当前的全局最优解，即gBesti＝best{A1i，A2i}，...

【技术特征摘要】
1.一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，其特征在于，包括以下步骤：步骤1：输入待进行增强的原始图像S，使用图像增强方法对图像进行增强；步骤2：初始化萤火虫算法基本参数，随机初始化萤火虫的位置为种群1；步骤3：初始化杜鹃搜索算法基本参数，随机初始化鸟巢位置为种群2；步骤4：在种群1更新萤火虫的位置，重新计算萤火虫的亮度，并计算其适应度函数；步骤5：保留当前最优值A1i，其中i为迭代次数；步骤6：在种群2中执行杜鹃搜索，并计算其适应度函数；步骤7：保留当前最优值A2i；步骤8：比较A1i、A2i，将两者中的更优的值更新为当前的全局最优解，即gBesti＝best{A1i，A2i}，判断是否满足最大迭代代数；若满足，则输出全局最优解执行步骤9；若不满足，则迭代次数+1，并使用gBesti作为最优值继续执行步骤2；步骤9：输出增强后的图像。2.根据权利要求1所述的萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，其特征在于：步骤3中，萤火虫算法基本参数包括萤火虫数目、最大吸引度β0、光强吸收系数γ、步长因子α，随机初始化萤火虫的位置为种群1，计算萤火虫的目标函数值作为各自最大荧光亮度I0。3.根据权利要求1所述的萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，其特征在于：步骤3中，杜鹃搜索算法基本参数包括种群规模、搜索空间维数d；随机初始化鸟巢位置X＝[X1(0)，X2(0)，…，Xn(0)]T为种群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。4.根据权利要求1所述的萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，其特征在于：步骤4中，使用萤火虫的相对亮度I和吸引度β决定萤火虫移动方向，更新萤火虫位置；其中萤火虫的相对亮度萤火虫的吸引度萤火虫i被吸引向萤火虫j移动的位置更新公式为：xi＝xi+...

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