基于局部搜索差分演化的图像增强方法

摘要

本发明公开了一种基于局部搜索差分演化的图像增强方法。本发明采用局部搜索差分演化算法来优化设计非完全Beta函数的参数，然后以优化设计参数的非完全Beta函数对图像进行非线性变换，从而增强图像的质量。在局部搜索差分演化算法中，利用最优个体与随机个体的信息生成差分变异算子的基础个体实现种群多样性与收敛速度的平衡；在搜索过程中，执行局部搜索策略以改进图像增强的效果。本发明能够在一定程度上避免陷入局部最优，提高图像增强的效果。

主权项

基于局部搜索差分演化的图像增强方法，其特征在于，包括以下步骤：步骤1，输入一幅图像IM；步骤2，用户初始化参数，所述初始化参数包括种群大小Popsize，最大评价次数MAX_FEs，杂交率Cr和缩放因子F；步骤3，令当前演化代数t＝0，当前评价次数FEs＝0，优化设计参数个数D＝2；步骤4，随机初始化种群其中：个体下标i＝1,2,...,Popsize；为种群P_t中的第i个个体并且存储了两个待优化设计参数；步骤5，计算种群P_t中每个个体的适应值其中个体下标i＝1,2,...,Popsize，个体的适应值的计算方法为：将个体解码为非完全Beta函数的参数α，β，并利用以α，β为参数的非完全Beta函数对图像IM进行非线性变换，变换后的图像记为CM，然后以图像CM的评价质量作为个体的适应值步骤6，保存种群P_t中的最优个体Best^t，然后令当前评价次数FEs＝FEs+Popsize；步骤7，令计数器ti＝1；步骤8，如果计数器ti大于种群大小Popsize，则转到步骤13，否则转到步骤9；步骤9，执行改进的差分演化操作算子产生一个试验个体其步骤如下：步骤9.1，令计数器tj＝1；步骤9.2，在[1,D]之间随机产生一个正整数jRand；步骤9.3，在[1,Popsize]之间随机产生两个不相等的正整数RT1和RT2；步骤9.4，如果个体的适应值比个体的适应值更优，则令RT1＝RT2，否则保持RT1不变；步骤9.5，在[0,1]之间产生一个服从均匀分布的随机实数TW，然后令组合基础个体步骤9.6，在[1,Popsize]之间随机产生两个不相等的正整数RT3和RT4；步骤9.7，如果计数器tj小于或等于D，则转到步骤9.8，否则转到步骤10；步骤9.8，在[0,1]之间产生一个随机实数r1，如果r1小于杂交率Cr或者计数器tj等于jRand，则转到步骤9.9，否则转到步骤9.11；步骤9.9，步骤9.10，转到步骤9.12步骤9.11，步骤9.12，令计数器tj＝tj+1，然后转到步骤9.7；步骤10，计算试验个体的适应值，并令当前评价次数FEs＝FEs+1；步骤11，执行选择操作算子在个体与试验个体之间选择更优者进入下一代种群；步骤12，令计数器ti＝ti+1，然后转到步骤8；步骤13，在[1,Popsize]之间产生一个随机正整数RT5，然后对个体执行局部搜索，具体步骤如下：步骤13.1，令计数器tls＝0，并令最大局部搜索次数MaxLs＝5；步骤13.2，令局部搜索个体步骤13.3，在[1,D]之间随机产生一个正整数tk；步骤13.4，以为期望，为标准差产生一个高斯随机数GR；步骤13.5，令步骤13.6，计算个体的适应值，并令当前评价次数FEs＝FEs+1；步骤13.7，令计数器tls＝tls+1；步骤13.8，如果个体的适应值比个体的适应值更优，则令然后转到步骤14，否则转到步骤13.9；步骤13.9，如果计数器tls小于MaxLs，则转到步骤13.2，否则转到步骤14；步骤14，保存种群P_t中的最优个体Best^t；步骤15，令当前演化代数t＝t+1；步骤16，重复步骤7至步骤15直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Best^t解码为非完全Beta函数的参数α，β，并利用以α，β为参数的非完全Beta函数对图像IM进行非线性变换，即可得到增强的图像。