【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种基于改进元启发式算法的电力图像增强优化方法。
技术介绍
1、在电力部件图像处理方面，目前主要应用的是基于深度学习和传统图像处理算法的方法，基于深度学习的图像处理需要大量的训练数据和算力资源：深度学习模型需要大量的训练数据才能学习到有效的特征，并且需要高性能的计算机硬件来加速训练过程；这使得深度学习模型的训练成本较高，需要耗费大量的时间和资源；其次传统图像处理算法很容易受到拍摄环境与条件的影响，造成图像低对比度和纹理细节不清晰等，背景对比度低，这使得它很难辨认原始图像中的背景与目标体。
2、非完全beta函数常用于图像增强，但是非完全beta函数并不适用于所有类型的图像增强问题，不同类型的图像需要不同 α和 β参数，而普通非完全beta函数无法很好地适应所有这些情况，非完全beta函数是一个具有一定形状的函数，它的灵活性受到参数 α和 β的限制，在复杂情况下，它的参数 ...
【技术保护点】
1.一种基于改进元启发式算法的电力图像增强优化方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于改进元启发式算法的电力图像增强优化方法，其特征在于，所述步骤二，图像对比度增强数学问题的数学模型公式为：
3.根据权利要求1所述的一种基于改进元启发式算法的电力图像增强优化方法，其特征在于，所述步骤三，改进光学显微镜优化算法，引入一种收敛监督机制，所述机制的步骤为：首先设置收敛监督机制的阈值，然后计算收敛指标，最后根据当前迭代的收敛指标与设置的阈值的比较结果，执行不同的最优解更新公式。
4.根据权利要求1所述的一种基于改进...
【技术特征摘要】
1.一种基于改进元启发式算法的电力图像增强优化方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于改进元启发式算法的电力图像增强优化方法，其特征在于，所述步骤二，图像对比度增强数学问题的数学模型公式为：
3.根据权利要求1所述的一种基于改进元启发式算法的电力图像增强优化方法，其特征在于，所述步骤三，改进光学显微镜优化算法，引入一种收敛监督机制，所述机制的步骤为：首先设置收敛监督机制的阈值，然后计算收敛指标，最后根据当前迭代的收敛指标与设置的...
【专利技术属性】
技术研发人员：方玉群，顾浩，梁加凯，刘岩，李进荣，秦威南，张志亮，严伟，邬明亮，邵文婷，张家华，黄磊磊，张庭瑞，童晓文，姜世浩，
申请(专利权)人：国网浙江省电力有限公司双创中心，
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。