基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法技术

本发明专利技术公开了基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，具体按以下步骤实施：步骤1，图像降维和编码，得到二进制序列；步骤2，将经步骤1得到的序列进行二进制振幅脉冲调制，得到一维双极非周期BPAM信号；步骤3，建立IWOA的参数自适应阵列模型；步骤4，解调，解码；步骤5，复原图像；基于改进鲸鱼优化算法的参数自适应阵列随机共振策略相较于固定参数的阵列随机共振方法和经典图像去噪方法，无论是在视觉效果还是在PSNR指标，均具有更加优异的性能；且随着阵列数目的增加，去噪图像的视觉效果和PSNR均有提升；这进一步证明了本发明专利技术方法在微弱信号检测与提取方面的良好应用。明方法在微弱信号检测与提取方面的良好应用。明方法在微弱信号检测与提取方面的良好应用。

【技术实现步骤摘要】
基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法


[0001]本专利技术属于图像数据处理
，涉及基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法。

技术介绍

[0002]随着计算机技术的发展，图像越来越成为人们获取信息的重要来源。数字图像在产生、获取和传输过程中，经常受到外部环境噪声的影响。这会严重损伤图像质量，降低图像的视觉效果，给图像的进一步处理如目标检测、图像分割带来一定的困难。因此，降低噪声对原始图像的影响，获得视觉效果更好、更逼近原始图像的去噪图像，是具有一定难度的研究课题。目前，主要通过以下两种方法来消除噪声对图像的干扰：一种是通过提升成像设备的质量来获得噪声含量更少的原始图像；另一种是通过先进的图像去噪算法来去除原始图像中的噪声。与前者相比，后者具有硬件成本低、可靠性好的优点。因此，不断提升图像去噪算法的性能，已经成为研究人员进行图像增强和恢复研究的主要方向之一。
[0003]近几十年来，学者们对图像去噪方法进行了多方位的研究。目前，经典的去噪方法主要有均值滤波、维纳滤波、中值滤波，高斯滤波等。这些方法中有的平滑效果较好，但却不能很好保护图像细节；有的整体去噪效果较好，却要求原始图像和噪声是平稳随机的，而且经典图像去噪方法难以在强噪声背景下将噪声完全滤除。随机共振理论在图像增强领域的应用，为图像去噪提供了另一种思路。随机共振理论通过将噪声能量转移到微弱输入信号上来提高非线性系统的输出，在滤除噪声的同时也不会损伤原始图像。因此，近年来，利用随机共振原理去除图像噪声的方法得到了国内外学者的广泛研究。
[0004]随机共振参数的自适应一直是该领域的研究热点。目前，许多研究学者采用智能优化算法来选取随机共振的结构参数，但存在优化结果易陷入局部最优、计算效率低等问题。因此，在优化随机共振参数时，选取合适的智能优化算法将对图像的增强效果至关重要。同时，虽然经过单个非线性随机共振系统的去噪处理后，图像得到了一定的增强，但是单个非线性系统在处理图像方面仍然存在一些不足，特别是在强噪声环境下，处理效果不佳。因此，提出能够获得更好的图像增强效果的研究方法具有重要意义。
[0005]针对以上背景，本专利技术提出了一种基于改进鲸鱼优化算法的参数自适应阵列随机共振图像增强方法。该方法基于双稳阵列随机共振模型，对含噪灰度图像进行降维扫描、编码、调制处理，使其成为适用于随机共振处理模块输入的一维非周期BPAM信号；然后对传统鲸鱼优化算法在初始解分布，全局搜索能力及种群多样性泛化等方面进行了改进，并将该算法应用于选择随机共振处理模块的结构参数a，b，h，有效提高了阵列随机共振模型参数的自适应能力。最后，对处理模块的输出进行解调、解码、反扫描处理得到去噪后的恢复图像，进一步提高了弱图像信号的增强效果。实际应用表明，本专利方法在强噪声环境下，具有更加优秀的图像去噪效果和图像增强能力。

技术实现思路

[0006]本专利技术的目的是提供基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，解决了优化结果易陷入局部最优、计算效率低以及复原图像失真，误码率高的问题。
[0007]本专利技术所采用的技术方案是，基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，具体按以下步骤实施：
[0008]步骤1，图像降维和编码，得到二进制序列；
[0009]步骤2，将经步骤1得到的序列进行二进制振幅脉冲调制，得到一维双极非周期BPAM信号；
[0010]步骤3，建立IWOA的参数自适应阵列模型；
[0011]步骤4，解调，解码；
[0012]步骤5，复原图像。
[0013]本专利技术的特点还在于：
[0014]其中步骤1具体为：
[0015]采用Hilbert扫描方式将原始灰度图像T
m
×
n
进行降维扫描处理；将原始二维图像矩阵T
m
×
n
降维扫描成一维图像序列J1×
mn
；编码一维图像序列J1×
mn
获得一个由0和1组成的8位二进制符号序列H1×
8mn
；
[0016]其中步骤2具体为：对二进制序列H1×
8mn
进行二进制脉冲幅度调制(BPAM)处理，得到一维双极非周期BPAM信号r(t)，如下式：
[0017][0018]式中，A是信号r(t)的振幅，m和n是原始灰度图像的行和列，G(t)是一个周期为T的矩形脉冲，即当t∈(0,T)时，G(t)是1，当时，G(t)是0；S
i
(i＝1,2,
…
,8mn)是通过二进制序列H1×
8mn
(0
→‑
1,1
→
1)进行极性转换得到的
‑
1和1组成的一维序列；通过图像降维扫描，二进制符号编码和图像符号的极性转换得到一维序列S
i
，即S
i
上的所有信息都是相互独立的随机变量；
[0019]其中步骤3具体为：首先将一维双极非周期BPAM信号r(t)进行加噪处理得到阵列随机共振系统中每个独立子阵列的输入信号g
k
(t)＝r(t)+ξ
k
(t)，一维加噪信号g
k
(t)通过N个饱和系统单元处理后得到x
k
(t)，将得到的x
k
(t)通过求和取平均后得到阵列模型的输出响应x(t)，然后初始化改进鲸鱼优化系统的参数，运行改进鲸鱼优化算法，找出诱导发生随机共振的系统参数，对含噪图像进行随机共振处理，并使用峰值信噪比的评价指标对结果进行考量；
[0020]其中步骤3中阵列模型的输出响应x(t)具体按以下步骤计算：
[0021]阵列饱和系统中的每个非线性系统单元为：
[0022][0023]式中，a和b是阵列饱和随机共振处理模型的系统参数，k＝1,2,
…
,N,N是系统阵列单元的大小，r(t)＝s(t)+η(t)是阵列模型的输入信号，x
k
(t)是阵列单元输出，ξ
k
(t)是均值为0且方差为的独立同分布高斯白噪声；
[0024]将公式(2)中一维加噪信号g
k
(t)＝r(t)+ξ
k
(t)作为每个阵列饱和单元的输入，一维加噪信号g
k
(t)通过N个饱和系统单元处理后得到x
k
(t)，将x
k
(t)通过求和取均值后得到阵列模型的输出响应x(t)，公式如下：
[0025][0026]阵列随机共振系统中采用四阶龙格库塔进行计算，其原理如下：
[0027]对于微分方程
[0028][0029]采用四阶龙格
‑
库塔法的计算公式为：
[0030][0031]其中，h为求解步长；
[0032]其中步骤3中改进的鲸鱼优化算法具体为：首先利用混沌Iterati本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，其特征在于，具体按以下步骤实施：步骤1，图像降维和编码，得到二进制序列；步骤2，将经步骤1得到的序列进行二进制振幅脉冲调制，得到一维双极非周期BPAM信号；步骤3，建立IWOA的参数自适应阵列模型；步骤4，解调，解码；步骤5，复原图像。2.根据权利要求1所述的基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，其特征在于，所述步骤1具体为：采用Hilbert扫描方式将原始灰度图像T
m
×
n
进行降维扫描处理；将原始二维图像矩阵T
m
×
n
降维扫描成一维图像序列J1×
mn
；编码一维图像序列J1×
mn
获得一个由0和1组成的8位二进制符号序列H1×
8mn
。3.根据权利要求1所述的基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，其特征在于，所述步骤2具体为：对二进制序列H1×
8mn
进行二进制脉冲幅度调制(BPAM)处理，得到一维双极非周期BPAM信号r(t)，如下式：式中，A是信号r(t)的振幅，m和n是原始灰度图像的行和列，G(t)是一个周期为T的矩形脉冲，即当t∈(0,T)时，G(t)是1，当时，G(t)是0；S
i
(i＝1,2,
…
,8mn)是通过二进制序列H1×
8mn
(0
→‑
1,1
→
1)进行极性转换得到的
‑
1和1组成的一维序列；通过图像降维扫描，二进制符号编码和图像符号的极性转换得到一维序列S
i
，即S
i
上的所有信息都是相互独立的随机变量。4.根据权利要求1所述的基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，其特征在于，所述步骤3具体为：首先将一维双极非周期BPAM信号r(t)进行加噪处理得到阵列随机共振系统中每个独立子阵列的输入信号g
k
(t)＝r(t)+ξ
k
(t)，一维加噪信号g
k
(t)通过N个饱和系统单元处理后得到x
k
(t)，将得到的x
k
(t)通过求和取平均后得到阵列模型的输出响应x(t)，然后初始化改进鲸鱼优化系统的参数，运行改进鲸鱼优化算法，找出诱导发生随机共振的系统参数，对含噪图像进行随机共振处理，并使用峰值信噪比的评价指标对结果进行考量。5.根据权利要求4所述的基于改进鲸鱼算法优化阵列随机共振参数的图像增强方法，其特征在于，所述步骤3中阵列模型的输出响应x(t)具体按以下步骤计算：阵列饱和系统中的每个非线性系统单元为：式中，a和b是阵列饱和随机共振处理模型的系统参数，k＝1,2,
…
,N,N是系统阵列单元的大小，r(t)＝s(t)+η(t)是阵列模型的输入信号，x
k
(t)是阵列单元输出，ξ
k
(t)是均值为0
且方差为的独立同分布高斯白噪声；将公式(2)中一维加噪信号g
k
(t)＝r(t)+ξ
k
(t)作为每个阵列饱和单元的输入，一维加噪信号g
k
(t)通过N个饱和系统单元处理后得到x
k
(t)，将x
k
(t)通过求和取均值后得到阵列模型的输出响应x(t)，公式如下：阵列随机共振系统中采用四阶龙格库塔进行计算，其原理如下：对于微分方程采...

【专利技术属性】
技术研发人员：黄伟超，张岗岗，王婧，焦尚彬，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：