Hybrid Genetic Algorithm Based Image Enhancement Technology参考译文.doc

基于混合遗传算法的图像增强技术 摘要:在图像增强之中，塔布斯提出了归一化不完全β函数表示常用的几种使用的非线性变换函数对图像进行研究增强。但如何确定Beta系数功能仍然是一个问题。在图像增强处理和利用遗传算法快速算法的搜索能力进行自适应变异和搜索我们提出了一种混合遗传将微分进化算法。最后利用仿真实验证明了该方法的有效性。 关键词:图像增强；混合遗传算法；自适应增强 Ⅰ.介绍 在图像形成，传递或转换过程，由于其他客观因素，如系统噪声，不足或过度曝光，相对运动等的影响会图像通常原始图像之间（简称退化或退化）退化图像通常模糊或信息的提取甚至是错误的它必须采取一些改进措施。图像增强技术是在其目的是为了提高图像的质量这个意义上提出的模糊图像增强情况根据图像使用各种特殊技术集锦的一些信息图像，减少或消除不相关的信息，来强调整体或局部特征的目标图像。图像增强方法仍没有统一的理论，图像增强技术可分为三类别：点运算，与空间频率增强方法增强法。本文介绍了根据图像特征自动调整自适应图像增强方法，称为混合遗传算法。为了实现图像的自适应增强它结合了差分进化自适应搜索算法自动确定的参数值的变换函数Ⅱ.图像增强技术(1) 变异向量可以表示为（2）： i=1,...,P (2) ,,是三个随机选择的个人 F是一系列的[ 0，2 ] 之间的实际类型的用于控制影响常数因子差异向量通常被称 为比例因子。Ⅳ.图像增强图像的混合遗传算法 增强是获得快速对象检测的基础，因此有必要寻找实时性能好的算法。对不同系统的实际要求，许多算法需要确定的参数和人工阈值。它可以使用一个非完全Beta函数来完全覆盖典型变换式的图像增强，但确定Beta函数参数仍有许多亟待解决的问题。本节介绍了一种Beta功能，因为根据适用的图像增强的方法，自适应混合遗传算法的搜索的能力，自动确定变换命令的参数值来实现图像增强的自适应功能。 图像增强的目的是提高图像质量，是在指定的比较突出的特点恢复退化图像细节等。一个共同的特征的退化图像通常是对比的下侧呈明亮的，暗淡或灰色浓。低对比度退化图像可拉伸达到一种动态的直方图增强，如灰度变化。我们用 Ixy来说明点（x，y）的灰度级它可以是由（3）表示。 Ixy=f(x,y) (3) 其中：“f”为一个线性或非线性函数。在一般情况下，灰图像有四个非线性的翻译[6] [7]，可以是如图1所示。我们采用归一化的 Beta函数自动适应4类图像增强转变曲线。（4）中定义： (4) 其中： (5) 对于不同的α，β值，我们可以从（4）及（5）中得到响应曲线。 图1 四种传统的翻译 该混合算法可以利用前面的部分自适应差分进化算法搜索最佳函数来确定的β值，然后每个像素灰度值为β函数，相应的图1转化，产生理想的图像增强。详细描述如下： 假设原始图像的像素（x，y）的像素的灰度水平，表示为式（4），记为，，这里是图像域。增强的图像由Ixy表示。首先，图像的灰度值在（6）中归到[0，1]。 (6) 其中：imax和imin表示图像灰度的最大值和最小值。 定义非线性变换函数f（U）（0≤U≤1）变换成源图像GXY=f（GXY），其中，0≤GXY≤1。最后，我们使用了混合遗传算法来确定适当的Beta函数f（U）的最佳参数α和β。 V.实验和分析 在模拟中，我们使用两种不同类型的灰度图像退化；程序执行了50次，人口大小为30，进化600次。结果表明，提出的方法可以非常有效地提高不同退化图像类型。 a) 原始图像 b) 增强图像 图2 单个图像增强过程 a) 原始图像 b) 增强图像 图3 移动对象过程  对比度增加指数（CII）定义如下： (8) 在图4中，我们比较了小波变换算法得到评估表 TABLE I。 a) 原始图像 b) 通过小波变换的 c)