一种基于宇宙演变的低对比度图像增强方法

摘要

本发明公开了一种基于宇宙演变算法的低对比度图像增强方法，通过利用宇宙演变算法对归一化的非完全Beta函数图像增强应用中最优参数问题优化求解，从而可以快速的获得最优增强参数；本发明能够提高图像的对比度，改善了图像视觉效果，把图像细节信息显示。

说明书

技术领域

本发明属于图像处理技术领域,具体涉及一种基于宇宙演变的低对比度图像增强方法。

背景技术

目前图像的应用越来越广泛，在人类生产、生活的各个领域随处可见，如社区监控、航空拍摄等等，但是图像在获取过程中易受噪声的影响，存在低对比度情况，因此低对比度图像增强已成为近年来的研究热点。传统空间域、频率域的图像增强算法，存在增强效果不佳的缺点，无法获得图像的细节信息。针对低对比度图像难于增强的特性,因此设计一种简单高效的方法具有重要的研究意义。

发明内容

本发明的技术解决问题是：克服现有技术不足，针对图像对比度低的问题，提供一种基于宇宙演变的低对比度图像增强方法，提高了图像的对比度，改善了图像视觉效果，能够把图像细节信息显示。

本发明的技术解决方案为一种基于宇宙演变的低对比度图像增强方法，实现步骤如下：

步骤1：输入低对比度待增强图像，为低对比度待增强图像在像素点(

其中,

步骤2：对归一化图像每个像素点进行增强处理：

其中,函数F为非完全Beta函数，

非完全Beta函数定义为：

其中,

图像质量评价函数：

其中,

把图像质量评价函数作为非完全Beta的适应度函数，这样当宇宙演变算法获得

步骤3：根据

其中,

步骤4：输出增强图像。

所述的步骤2包括如下步骤：

步骤2.1：读入低对比度待增强图像

包括迭代总次数，宇宙的单宇宙群数量，单宇宙群内部宇宙数量，整个宇宙群中最优宇宙初始空间位置。

设第

幂指数

其中，

步骤2.2：为了保持单宇宙群内部宇宙的多样性，

其中，

步骤2.3：宇宙位置更新为：

随进化次数的增加，搜索空间逐渐减小，大大减弱宇宙解的多样性，从而在算法后期容易陷入局部解的状况，为增加解的多样性，增强算法跳出局部解的能力，对宇宙位置进行更新。在每代解中，选取适应度值最差的

其中：

步骤2.4：判断是否满足预设的最大运行迭代次数300次；若否，则回转执行所述的步骤2.1;若是,输出全局最优宇宙位置对应的最优

本发明与现有技术相比的优点在于：本发明采用的方法原理简单且增强效果良好，可达到对图像增强的目的。

附图说明

图1为本发明一种基于宇宙演变的低对比度图像增强方法流程图。

具体实施方式

请见图1本发明所采用的技术方案是：一种基于宇宙演变算法的自适应图像增强方法，其特征在于，包括以下步骤：

步骤1：输入低对比度待增强图像，

其中,

步骤2：对归一化图像每个像素点进行增强处理：

其中,函数F为非完全Beta函数，

非完全Beta函数定义为：

其中,

图像质量评价函数：

其中,

把图像质量评价函数作为非完全Beta的适应度函数，这样当宇宙演变算法获得

步骤3：根据

其中,和

步骤4：输出增强图像。

所述的步骤2包括如下步骤：

步骤2.1：读入低对比度待增强图像

包括迭代总次数，宇宙的单宇宙群数量，单宇宙群内部宇宙数量，整个宇宙群中最优宇宙初始空间位置。

设第

幂指数

其中，

步骤2.2：为了保持单宇宙群内部宇宙的多样性，

其中，

步骤2.3：宇宙位置更新为：

随进化次数的增加，搜索空间逐渐减小，大大减弱宇宙解的多样性，从而在算法后期容易陷入局部解的状况，为增加解的多样性，增强算法跳出局部解的能力，对宇宙位置进行更新。在每代解中，选取适应度值最差的

其中：

步骤2.4：判断是否满足预设的最大运行迭代次数300次；若否，则回转执行所述的步骤2.1;

若是,输出全局最优宇宙位置对应的最优

本发明通过利用宇宙演变算法对归一化的非完全Beta函数图像增强的最优参数问题优化求解，从而可以快速的获得归一化的非完全Beta函数最优参数。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。