[发明专利]一种改进的图像增强方法

说明书

本发明一种改进的图像增强方法，包括：S1、对图像像素灰度为f(x,y)进行归一化处理得到n(x,y)，其中采用改进后的归一化处理方式：S2、对待优化参数进行编码，随机产生一组初始个体构成初始种群，并输入控制参数交叉概率psubgt;c/subgt;、变异概率psubgt;m/subgt;、群体规模N和最大运行代数G等；S3、判断进化代数t是否等于G，若符合则算法结束，输出最优解；否则转向下一步；S4、采用轮盘赌策略选择M个个体，对个体按照遗传操作中的交叉和变异方法进行交叉和变异操作；S5、选取两个疫苗和待接种个体数和接种点数进行免疫操作，并做出接种后的免疫选择，同时对接种后的种群采用最优个体保留策略；S6、一组都对应一个非线性变换函数F(u)，用非线性变换函数进行图像灰度变换，得到输出图像g(x,y)。

技术领域

本发明涉及图像增强技术领域，特别是涉及一种改进的图像增强方法方法。

背景技术

图像增强的目的在于：①采用一系列技术改善图像的视觉效果，提高图像的清晰度；②将图像转换成一种更适合于人或机器进行分析处理的形式。图像增强包括灰度级和对比度处理，噪声消除，边缘突起和锐化，滤波，插值和放大，以及伪色彩处理等。目前常用的增强技术可分为空域图像增强法和频域图像增强法两种。前者对图像像素直接处理，而后者先对图像进行傅里叶变换之后再进行处理。空域增强法包括灰度变换，直方图变换，图像中的脉冲噪声模型，邻域平均法，中值滤波和图像锐化等。频率域增强法通常包括频率域法通常分为高、低通滤波、频率带通和带阻滤波、同态滤波等。

遗传算法由于具有高效、鲁棒性强，且不容易陷入局部最优等优点，许多学者也将其应用到图像增强中。有研究者将遗传算法用于图像增强，使用图像的参数模型。将图像增强转化为参数的优化；有研究者基于染色体结构划分寻优空间对遗传算法进行改进，达到提高图像对比度的目的；有研究者利用Fibonacci数列对遗传算法的交叉概率及变异概率进行了改进,实现了在模糊域中利用遗传算法进行图像增强。有研究者基于人工免疫原理,采用针对图像质量评价效果的新适应度函数，包括方差、信息熵、紧致度、信噪改变量以及像素差别五要素，以上对图像增强的各种改进虽然都取得了一定的效果，但它们的共同点是改进都是单方面的，也就是说各种改进都是从不同的角度进行的，所以效果也不尽相同。而且大都存在适用面较窄、需要预先设置阀值、计算量较大等不足之处。因此，建立一种能够在复杂环境中保持图像中的细节信息及纹理特征，具备良好的自适应性及抗噪能力的图像增强算法，具有积极的意义。

发明内容

为了克服上述现有技术的不足，本发明提供了一种改进的图像增强方法方法。

本发明所采用的技术方案是：一种改进的图像增强方法，其特征在于，包括以下步骤：

S1、原图像像素灰度为f(x,y)，然后对其进行归一化处理得到n(x,y)；其中采用改进后的归一化处理方式：

其中L_min和L_max分别为原图像灰度值的最小值和最大值，n(x,y)∈[0,1]；

S2、按照AIGA抗体编码方法对待优化的两个参数进行编码，随机产生一组初始个体构成初始种群，并输入控制参数交叉概率p_c、变异概率p_m、群体规模N和最大运行代数G；进行运算，产生种群X(t)；

所述初始种群的初始化方法，设一个抗体中变量个数为n，初始抗体规模为m，a_i和b_i分别为变量x_i的取值上限和下限，为第i个初始个体：

式中为第i个个体的第j个分量的初始值，j∈{1,2,…,n}；

令r_ij为与第i个体第j个分量，是[0，1]区间内服从均匀分布的随机数，则初始抗体可按下式产生：