一种基于混沌麻雀搜索算法的煤岩分界图像增强方法技术

一种基于混沌麻雀搜索算法的煤岩分界图像增强方法是引入混沌映射机制对麻雀搜索算法中麻雀种群进行混沌扰动，使初始化的种群以随机的方式均匀分布，加快算法的收敛速度；然后在搜索过程中对适应值较低的个体进行混沌扰动，使得算法更易跳出局部最优，增强算法的稳定性与精度；最后利用混沌麻雀搜索算法结合归一化的非完全Beta函数自适应选取参数，得到最优的图像增强参数，从而找到最优的灰度曲线，实现煤岩分界灰度图像对比度的自适应增强。本方法具有改善煤矿井下低照度、低对比度的图像特征，能避免增强后所产生的图像局部亮区域过度增强以及暗部细节增强效果不佳等的问题，使增强后的图像视觉效果和图像质量得到显著提升。显著提升。显著提升。

【技术实现步骤摘要】
一种基于混沌麻雀搜索算法的煤岩分界图像增强方法


[0001]本专利技术涉及数字图像处理
，具体涉及一种基于混沌麻雀搜索算法的煤岩分界图像增强方法。

技术介绍

[0002]煤炭作为我国的主要能源，既是主要的燃料，也是重要的工业原料，但由于我国的煤田分布范围广泛，地质条件错综复杂，开采技术水平相对落后，生产人员素质较低，致使煤矿安全问题一直是制约煤矿开采效率和煤炭产量的首要难题。煤岩界面自动识别技术是实现综采少人化的重要技术之一，也是实现煤矿生产的高产高效和煤炭资源的合理利用的关键。随着机器视觉技术的发展，基于图像识别的煤岩界面识别方法研究取得了进展，能以较高的识别率实现工作面煤岩图像的分类。基于图像识别的采煤机煤岩界面自动识别实现了综采工作面自动化、无人化开采，实现了煤炭高效开采和高质输出。我国煤矿井下是一个特殊的受限环境，在采集和传输图像的过程中，光照不足或不均匀会导致图像模糊、图像质量会有所下降，这将直接影响机器视觉系统后续对煤岩图像信息的提取、分析与处理。因此，对采集到的煤岩分界图像进行增强尤其重要。
[0003]图像增强是图像预处理的基本手段，其主要功能是去除或抑制图像背景噪声，同时突出图像中重要的信息和感兴趣的信息，达到改善图像的视觉效果的目的。现有的图像增强方法根据处理空间的不同分为空间域方法和频率域方法。空间域图像增强方法指在空间域内直接对图像像素进行操作，包括灰度变换、直方图均衡、非锐化掩膜法、Gamma变换等。频率域图像增强方法是建立在图像傅里叶变化基础上的，将图像由空间域转换到频率域，然后利用滤波器对图像进行平滑或锐，最后再将图像由频域反转换到空间域中。常用的处理方法包括小波变换、傅里叶变换、余弦变换等。空间域法一般应用在一些特定环境中，算法的普适性较差。由于煤矿井下环境比较恶劣，受噪声的干扰和光照不均匀的影响，图像增强效果不容易控制且自适应性较差。而频率域处理技术计算量较大，且人工干预对变换参数的选取影响较大。
[0004]因此，由于煤矿井下特殊的图像环境，采用普通的图像处理方式难以满足图像的真实性、可靠性的要求，使信息识读出现困难，不利于矿井下的安全、稳定的生产。
[0005]Tubbs针对灰度图像的空间域增强算法提出了一种能完全覆盖图像增强典型变换函数的非完全Beta函数，增加了空间域方法灰度变换函数选取的灵活性，在图像增强领域得到了广泛应用。然而其最优参数的确定仍是一个尚未完全解决的问题，需要人工干预，合理选择非完全Beta函数参数是算法的关键与难点。
[0006]当前，使用群智能优化算法如麻雀搜索算法优化非完全Beta函数最佳参数来增强图像可以提高算法的自适应性和智能性，加速求解过程。麻雀搜索算法是一种依据麻雀觅食行为和反捕食行为的群智能优化算法，同时还加入了侦查预警机制。麻雀搜索算法具有参数少、收敛速度快、稳定性好、计算简单等优点。现已应用于图像分割、组合优化等领域。然而，麻雀搜索算法在算法迭代后期，容易“早熟”导致收敛精度不高，且易陷入局部最优等
问题，影响最终的图像增强效果。

技术实现思路

[0007]针对煤矿井下粉尘浓度大、照度不均以及整体亮度较低的环境，本专利技术要解决的具体技术问题是解决现有的图像增强方法普适性差、缺乏自适应性和智能性的问题和低照度煤岩分界灰度图像进行增强所产生的图像局部亮区域过度增强以及暗部细节增强效果不佳等问题，提供一种基于混沌麻雀搜索算法的煤岩分界图像增强方法。
[0008]为了实现上述目的，本专利技术采用技术方案如下：一种基于混沌麻雀搜索算法的煤岩分界图像增强方法，所述方法是按照下列步骤进行的：（1）输入原始的煤岩分界图像S，并进行灰度化处理，得到原始图像的灰度直方图；（2）利用已经获得图像的灰度直方图，对于k从0到255，扫描L(k),得到原始图像的最大灰度值L
max
和最小灰度值L
min
,对原始图片每个像素点的灰度值归一化处理记为I
’
,将图像的灰度值变换到[0,1]区间；采用的公式为：上式中，g(x,y)表示归一化图像在像素点(x,y)处的灰度；f(x,y)为原图像在像素点(x,y)处的灰度; L
max
和L
min
是原图的最大和最小灰度值。
[0009]（3）将归一化的图像灰度值代入归一化的非完全Beta函数中；（4）将非完全Beta函数作为目标函数，利用混沌麻雀搜索算法寻找非完全Beta函数的最优参数α、β；（5）初始化麻雀搜索算法基本参数，利用Tent混沌初始化麻雀种群的位置；（6）采用自定义的图像质量评价函数作为适应度函数，计算麻雀种群个体适应度，并对适应度进行排序，找到当前最佳适应度个体P
b
和最差适应度P
w
；（7）利用麻雀搜索算法的公式更新麻雀个体的位置，如果新位置优于旧位置，更新旧位置，重新计算麻雀个体的适应度，并进行排序；（8）对适应值后10%的麻雀位置进行Tent混沌扰动，根据麻雀种群当前的状态，更新整个种群最优适应度fg和其对应位置x
b
；（9）判断算法是否满足最大迭代次数，若满足，则输出麻雀种群全局最优位置和其所对应的最优α、β参数；若不满足，则执行步骤（7）；（10）利用步骤（9）中求得的最优α、β参数和Beta函数组合构造变换曲线F(u)；利用F(u)对图像进行非线性增强，变换公式如下：式中，g(x,y)为归一化图像的灰度，g'(x,y)为增强后的图像。
[0010]（11）对归一化增强变换后的图像g'(x,y)进行反变换处理，得到输出图像f'(x,y)，所用公式为：
（12）输出增强后的煤岩分界图像S
’
。
[0011]进一步地，步骤（4）所述的非完全Beta函数的定义为：从视觉效果上来看，由对比度引起的降质图像一般有3种情况，分别是偏亮、偏暗和灰度集中在某一区域，与此对应着不同的变换函数。Tubbs提出了一种能自动拟合其的非完全Beta函数，该函数由两个参数α和β唯一确定，非完全Beta函数F(u)的定义如下：其中，u为原始图像像素，F(u)为灰度变换后图像。α、β的取值范围为[0,10],B(α,β)为Beta函数。Beta函数的定义如下：进一步地，步骤（5）所述的麻雀搜索算法初始参数的设定为：算法参数设置如下: 麻雀种群规模N=30，发现者个数 pNum 和侦察者个数sNum均取种群规模N的20%，最大迭代次数T=50，预警值R2=0.8。
[0012]所述的生成Tent混沌序列的步骤如下：（1）Tent映射的表达式为:；（2）根据Tent映射公式生成混沌序列：首先随机生成(0,1)之间的一个随机数x0作为Tent映射初值,利用经努利移位变换后的Tent映射表达式为：x
n+1
=(2x
n
)mod1 进行迭代，产生X序列，得到N个混沌的解空间；（3）将步骤（2）中生成的X序列根据newX
d
=min
d
+(max...

【技术保护点】

【技术特征摘要】
1.一种基于混沌麻雀搜索算法的煤岩分界图像增强方法，其特征在于：所述图像增强方法是按下列步骤进行的：（1）输入待增强原始煤岩分界图像S，并进行灰度化处理，图像中f(i,j)表示原始图像在像素点(i,j)处的灰度值，读取原始图像各个像素点的灰度值，统计各个灰度级k；k值范围为0
‑
255；k出现的次数为L(k),得到原始图像的灰度直方图；（2）利用已经获得图像的灰度直方图，对于k从0到255，扫描L(k),得到原始图像的最大灰度值L
max
和最小灰度值L
min
,对原始图片每个像素点的灰度值归一化处理记为I
’
,将图像的灰度值变换到[0,1]区间；（3）采用自定义的图像质量评价函数作为原图像增强后的适应度评价函数，将归一化的图像灰度值代入归一化的非完全Beta函数中，并利用图像质量评价函数和混沌麻雀搜索算法求得归一化的非完全Beta函数最优α、β参数，自定义的图像质量评价函数为：化的非完全Beta函数最优α、β参数，自定义的图像质量评价函数为：化的非完全Beta函数最优α、β参数，自定义的图像质量评价函数为：其中，E
I
是图像的信息熵，反映了图像内容的复杂程度；V
I
是图像的方差，反映了图像对比度的大小；a为信息熵E
I
的权重系数；b为方差V
I
的权重系数；M为原始图像的宽度，N为原始图像的高度；p
i
为第i级灰度出现的概率；i
xy
为像素点(x, y)的像素值；n为图像像素的总数；非完全Beta函数F(u)的定义为：其中，u为原始图像灰度，F(u)为灰度变换后图像；α、β的取值范围为[0,10]，B(α,β)为Beta函数；Beta函数的定义如下：（4）利用步骤3中求得的最优α、β参数和Beta函数组合构造变换曲线F(u)；利用F(u)对图像进行非线性增强，变换公式如下：式中，g(x,y)为归一化图像的灰度，g'(x,y)为增强后的图像；（5）对归一化增强变换后的图像g'(x,y)进行反变换处理，得到输出图像f'(x,y)，所用公式为：
（6）输出增强后的煤岩分界图像S
’
。2.根据权利要求1所述的基于混沌麻雀搜索算法的煤岩分界图像增强方法，其特征在于：所述步骤（2）中将原始图像进行归一化处理所用的公式为：式中，g(x,y)表示归一化图像在像素点(x,y)处的灰度；f(x,y)为原图像在像素点(x,y)处的灰度；L
max
和L
min
是原图的最大和最小灰度值。3.根据权利要求1所述的基于混沌麻雀搜索算法的煤岩分界图像增强方法，其特征在于：所述步骤（3）包含如下步骤：（1）读入图像的灰度直方图，利用Tent混沌初始化麻雀种群，并定义麻雀搜索算法相关参数；参数包括麻雀种群规模N、发现者个数 pNum和侦察者个数sNum、最大迭代次数T、预警值R2；（2）麻雀搜索算法中麻雀个体初始空间位置就是相应的初始α、β参数组合，利用定义的图像质量评价函数计算麻雀种群个体适应度，并对适应度进行排序，找到当前最佳适应度f
g
和其所对应的位置x
b
，以及当前最差适应度f
w
和其对应的位置x
w
；（3）通过麻雀搜索算法中发现者...

【专利技术属性】
技术研发人员：田慕玲，杨宇博，许春雨，李哲华，李倩倩，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：