根据混合遗传算法图像增强技术.pdfVIP

基于混合遗传算法的图像增强技术 摘要：在图像增强中，Tubbs 提出了归一不完全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。但是如何确定 beta 系数功能仍是一个问题。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适应编译和搜索我们提出了一种混合遗传微分进 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。 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 运动等的影响会使图像通常与原图之间有差别（简称退化）。退化图像通常模糊或信息的提 取，通过机器后减少甚至是错误的，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一意义上提出的。模糊图像增强情况 是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，图像增强技术可分三类：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法，成为混 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。 图像增强技术 图像增强是图像的某些特征，如轮廓，对比，强调或突出的边缘等为了便于检测和进 步的分析处理，增强将不会增加图像中的信息数据，但会选择适当的动态范围的功能的扩展， 使得这些特点更容易检测或确定，为后续的分析和处理的检测打下良好的基础。 图像增强方法包括点运算，空间滤波，频域滤波类别。点运算包括对比度拉伸，直方图 建模，并限制噪声和图像减影技术。空间滤波包括低通滤波，中值滤波，高通滤波器（锐化）。 频率滤波器包括同态滤波，多尺度多分辨率图像增强中的应用。 差分进化算法 差分进化首次提出了强硬的价值，并与其他进化算法进行比较，DE 算法具有强大的空 间搜索能力，易实现，容易理解。DE 算法是一种新型的搜素算法，它首先是在搜索空间中 随机产生初始种群，然后计算之间的任何差异向量的两个成员，不同的添加到向量的第三个 成员，通过该方法，形成一个新的。如果你发现新的个体成员比原来的好，然后替换原来的 个体，自我形成。 DE 操作作为遗传算法一样，它结论突变，交叉，选择，但方法是不同的。我们假设组 的大小是P，矢量维D，我们可以表达的目标向量为： Xi=[xi1,xi2,…,xiD](i=1,…P) 变异向量可以表示为： V1=Xr1+F*(Xr2-Xr3) i=1,...P Xr1,Xr2,Xr3 是三个从群中随机选择的个人，其中，r1≠r2≠r3≠i。F 是一系列的[0,2] 之间的实际类型的用于控制影响的常数因子差异向量，通常被称为比例因子。显然，矢量之 间的区别越小则干扰也越小，这意味着如果组接近最佳值，扰动会自动降低。 DE 算法的选择操作是一个 “贪婪”的选择模式，当且仅当新的矢量Ui 比目标向量Xi 更好更健全，Ui 将被保留到下一组，否则，目标向量 Xi 留在原来的组，再次作为下一代的 父矢量。 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，因此有必要群选择实时性能好的算法。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能力，自动 确定变换命令的参数值来实现图像的自适应功能。 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。 个共同的特征的退化图像通常是对比的下册呈明亮的，暗淡或灰色。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 lxy 来说明点 (x,y)的灰度级，它可由 以下表示。 Lxy=f(x,y) 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表达， 可以是图一所示。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。定义：