【技术实现步骤摘要】
基于天牛须搜索与差分进化混合算法的图像增强方法
[0001]本专利技术涉及图像增强优化处理技术,具体涉及一种基于天牛须搜索与差分进化混合算法的图像增强方法。
技术介绍
[0002]在许多现实情境下,图像质量会受到噪声、光圈大小和快门速度等不利因素的影响,要使这些图像的对比度和细节特征能够很好的展现和保持,就需要使用以提高图像中信息对人类观看者的可解释性和可感知性为目标的图像增强技术。
[0003]利用不完全Beta变换函数在空间域对图像进行非线性变换是近年来较为流行的图像增强技术,但增强图像质量对变换函数的参数α、β值要求极高,因此为了找寻到合适的α、β参数,人们将图像对比度和细节增强作为一个优化问题,采用智能优化算法找寻最优参数值,使得图像得到更好的增强效果。
[0004]天牛须搜索(Beetle Antennae Search,BAS)算法,是受到天牛觅食现象启发而开发的一种高效智能优化算法,具有局部搜索性能高,收敛速度快的特点,被用于解决诸多包括图像增强的α、β参数优化在内的优化问题。BAS算法用于图像增强的α、β参数优化问题时,由于只用一只天牛进行搜索,算法性能高度依赖个体,因而偏向局部搜索全局搜索能力较弱,在遇到复杂图像时收敛速度慢,寻优精度较低。即使将个体天牛沿用经典BAS算法的初始化方法扩充为种群,但由于是随机初始化,算法后期种群容易缺乏多样性,无法充分发挥群体智能思想的优点。这些算法缺点,会导致用不完全Beta变换函数进行图像增强时,α、β参数未能搜索到优值,使得增强图像的效果有限。<
【技术保护点】
【技术特征摘要】
1.一种基于天牛须搜索与差分进化混合算法的图像增强方法,其特征在于包括如下步骤:S1:输入一幅数字图像f,对其进行灰度化处理、归一化操作;S2:使用佳点集方法初始化天牛种群X,设置天牛须算法和差分算法参数;S3:计算初始天牛种群适应度,选出并记录最优天牛及其适应度;S4:使用差分进化为每只天牛产生指导佳解TemV
i
,本步骤具体为使用差分进化的差分变异操作和差分交叉操作产生指导佳解;前述差分变异操作是通过将种群中随机选择的两个个体与当前最优个体BestX进行加权差相加,来创建一个新个体以取代原个体,差分变异公式如下:前述差分交叉操作是对突变体v
i
和亲本x
i
进行离散重组,从而产生指导佳解TemV
i
,差分交叉公式如下:其中,i,i1,i2∈{1,2,...,NP},且互不相同;F为缩放因子;U
j
(0,1)是区间[0,1]内的随机数;交叉率CR∈[0,1];k,j∈{1,2,...,D}为随机参数索引,D为算法维数,j=k是为确保突变体至少在每个个体i中选择一个参数j进行变异;差分变异公式中的BestX为最优个体;差分交叉公式中的TemV
i
为指导佳解。S5:更新天牛位置,即得到对应的新解TemX
i
,并更新最优解BestX及其适应度值imgFitness(BestX);S501:由天牛围绕步骤S4产生的指导佳解TemV
i
进行天牛须扫描操作,然后利用扫描操作得到的信息进行天牛移动操作,更新天牛位置;天牛须扫描公式如下:d
t
=d0+γ
d
d
t
‑1其中,t表示第t次迭代数;分别代表第i只天牛左右两须位置;是随机单位向量,表示天牛移动的方向;d
t
表示某时对应的天牛搜索区域,会随着时间推移而衰减;d0为初始天线距心距离;γ
d
是天牛须间距步长;利用扫描操作得到的信息进行天牛移动操作,目的是探测气味浓度更高的方向。前述天牛移动操作的目的是让天牛朝着更高浓度气味的方向移动,天牛移动公式如下:δ
t
=γ
δ
δ
t
‑1其中,δ
t
表示每次迭代步长,随着时间推移减少;γ
δ
为天牛移动步长衰减因子;TemV
i
为步骤S4差分进化产生的佳解。S502:按照贪婪选择规则,更新最优解BestX及其适应度值imgFitness(BestX);S6:判断是否达...
【专利技术属性】
技术研发人员:叶坤涛,舒蕾蕾,李文,费兴明,郜海毅,
申请(专利权)人:江西理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。