基于遗传算法的视频图像增强研究.docVIP

基于遗传算法的视频图像增强研究 　　摘 要：由于彩色视频图像R、G、B三个分量并不具有均等的线性表达，因此采用原有的灰度图像算法对三个色彩分量分别进行增强会产生颜色不协调等问题。为此，文章采用Retinex模型将原始视频图像转换到亮度和颜色分离的彩色空间，并通过遗传算法来实现照度信息增强，最终将处理结果转换到RGB色彩空间，以取得更好的增强效果。 　　关键词：智能图像增强；遗传算法；Retinex模型 　　1 概述 　　随着信息技术的发展和推广应用，视频的数量越来越多，应用也越来越广泛。由于受到传输通道和存储空间的限制，视频信息一般会在进行压缩编码之后再进行传输和存储，此时就需要进行视频图图像增强，通过提高视频图像的亮度和对比度来获得更好的视觉效果。传统的视频图像增强大多是使用灰度图像增强方法对彩色视频图像的RGB三个分量进行分别增强后，实现彩色视频图像的增强。这种方法会导致视频色彩感知的不协调[1]。为此，文章在将彩色图像映射到HSI色彩空间后，使用Retinex模型实现彩色图像的亮度分离，并使用遗传算法实现彩色图像两者的分离，以避免灰度图像增强方法所导致的视频色彩感知不协调问题。 　　2 相关理论基础 　　2.1 遗传算法 　　遗传算法是一种模拟生物进化的智能算法，具有较强全局搜索能力和并行处理能力的特点。使用遗传算法可以将图像增强问题转换为参数最优化问题。简单遗传算法流程如下所示[2]： 　　在使用遗传算法那完成亮度图L的增强之后，与反射图R结合，共同组成增强后图像的灰度图I，并与原图的色调H和饱和度S的结合，共同构成增强后的视频图像。 　　4 视频图像增强实验 　　为了验证视频图像增强算法的效果，采用MATLAB软件对不同场景的原始图像进行对图像增强比实验。对比的方法为传统HE图像增强算法（对视频图像的R、G、B三个分量分别增强的图像增强算法）。通过原始视频图像，文章研究的?D像增强算法增强之后的视频图像，和使用传统HE增强后的视频图像的对比，来验证文章所研究的图像增强算法的可行性和先进性。 　　分别对3副原始视频图像进行对比实验的结果如图2、图3和图4所示。 　　如图2、图3和图4所示，使用对视频图像的R、G、B三个分量分别增强的HE算法处理后的视频图像虽然整体亮度得到了增强，但是视频图像的对比度和饱和度受到了影响；而使用文章基于遗传算法的图像增强处理算法处理后的视频图像，不仅视频图像的亮度得到了整体增强，同时也增强了视频图像的对比度，可以获得更好的视觉效果。 　　5 结束语 　　文章所研究的基于遗传算法的图像增强算法，将视频图像的RGB彩色空间，转换为更加符合人类视觉特征的HSI色彩空间模型，并采用Retinex模型对其中的灰度分量进行分解，使用遗传算法对分解后的亮度信息进行增强处理，以后的更好的拟合效果。实验结果也表明了文章基于遗传算法的视频图像增强算法处理后的视频图像可以获得更好的视觉效果。 　　参考文献 　　[1]N. Reyadh， A. -S. Alaa. Color image enhancement using steady state genetic algorithm[J]. World of Computer Science and Infformation Technology Journal， 2012， 2（6）： 184-192. 　　[2]Ruvin Wijesinghe Dakshith， You Greg. Optimization of the catch bench design using a genetic algorithm[J].International Journal of Mining Science and Technology， 2016，11（15）：461-464. 　　[3]孙玲姣.基于Retinex理论的图像增强算法研究[J].数码世界， 　　2016，12（1）：78-80. 　　[4]许杰，杨会成，朱雷.一种改进的Retinex雾天图像清晰化算法[J].重庆理工大学学报（自然科学），2016，10（15）：32-36. 　　[5]C. Muntaenu， A. Rosa. Color image enhancement using evolutionary principles and the retinex theory of color constancy[C]. Proceedings of the IEEE signal processing society workshop on neural networks for signall processing， 2001， 393-402. 　　作