CN107274356B - 一种自适应的灰度图像增强系统 - Google Patents

Abstract

本发明公开了一种自适应的灰度图像增强系统，该系统由图像读入模块、图像预处理模块、参数寻优模块、图像增强与输出模块组成。系统首先将输入的灰度图像归一化，然后采用变换公式来增强灰度图像，变换公式中的参数通过改进的智能优化方法来确定。改进的优化方法加入了分群操作，能够防止优化过程陷入局部最优。同时，改进的优化方法中，更新公式中的压缩因子根据迭代计数自适应地改变，提高了算法的收敛性能。采用改进的智能优化方法，系统可以快速准确地确定最优参数，然后对灰度图像进行增强操作并最终输出。系统具有增强效果好，运行效率高的特点。

Description

一种自适应的灰度图像增强系统

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种自适应的灰度图像增强系统。

背景技术

图像增强是图像处理的一个重要分支，其目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像增强技术分为空域方法和频域方法两大类。空域方法有对比度拉升、直方图均衡、直方图变换以及基于优化的增强方法。频域方法把图像视为波，然后再利用信号处理手段来处理图像，有傅里叶变换、小波变换、连续曲波变换、轮廓波变换。但是目前大部分方法都不能根据图片的特点自适应地选择不同的图像增强变换，而少部分基于优化的增强方法的优化算法存在缺陷，导致增强结果并不是最好的，同时优化效率与系统运行效率较低。

发明内容

为了克服目前灰度图像增强方法中增强结果非最优、运行效率较差的不足，本发明目的在于提供一种增强效果好、运行效率高的自适应灰度图像增强系统。

本发明解决其技术问题所采用的技术方案是：一种自适应的灰度图像增强系统，该系统由图像读入模块、图像预处理模块、参数寻优模块、图像增强与输出模块组成；其中：

图像读入模块读入一幅像素为M×N的灰度图像I，并将其输入图像预处理模块；灰度图像I＝{f(x,y)}，其中x＝1,2,…,M，y＝1,2,…,N，f(x,y)代表像素点(x,y)的灰度值，f(x,y)∈[L_min,L_max]，L_min,L_max分别表示读入的灰度图像的灰度值的最小值和最大值；

图像预处理模块对读入的灰度图像进行归一化处理后，将结果输入参数寻优模块；像素点(x,y)经过归一化以后的像素值为f'(x,y)：

参数寻优模块初始化种群规模为N_s的粒子群，随机生成维度为2的粒子i的初始位置x_i＝(x_i1,x_i2)和初始速度v_i＝(v_i1,v_i2)，i＝1,2,...,N_s；其中x_i1,x_i2∈[0,10]，v_i1,v_i2∈[-10,10]，种群规模N_s＝30～100；然后按以下方法进行迭代，初始时迭代计数t＝0：

(1)按公式(2)对每个像素点进行图像增强变换：

其中，F(x,y)为像素点(x,y)经过增强变换以后的像素值；u为读入的灰度图像归一化后的灰度值，即u＝f'(x,y)，u∈[0,1]；a,b为待优化的参数，用粒子的位置状态表示，a＝x_i1，b＝x_i2，a,b∈[0,10]；q为灰度增强变换公式中的积分变量；

(2)按照公式(3)获取所有粒子的适应度值fitness(a,b)：

其中，F²(x,y)为像素点(x,y)增强变换后的灰度值F(x,y)的平方；适应度值最大的粒子为全局最优粒子p_best＝(p_best1,p_best2)；

(3)对所有粒子进行分群操作，包括以下子步骤：

(3.1)将所有粒子按照适应度值大小从大到小排序，选取适应度值最大的粒子作为一个子群中心；

(3.2)在剩下的粒子中选取适应度值最大的粒子，依次计算该粒子与各个子群中心的欧几里得距离；粒子i与粒子j的欧几里得距离dist(i,j)定义为：

其中，x_i＝(x_i1,x_i2)代表粒子i的位置，x_j＝(x_j1,x_j2)代表粒子j的位置，i,j＝1,2,...,N_s；若该粒子与某一个子群中心的欧几里得距离小于半径r，则将该粒子归为该子群中心所在的子群，并不再计算该粒子与剩下的子群中心的欧几里得距离；若该粒子与所有子群中心的距离都大于半径r，则将该粒子置为一个新的子群中心；半径r＝1～3；

(3.3)重复步骤(3.2)，直到处理完所有粒子，则分群完成，且每个子群中心为该子群中适应度值最大的粒子；

(4)按照式(5)(6)更新每个粒子的速度与位置：

v_id(t)＝χ·(v_id(t-1)+c₁r₁·(p_id-x_id(t-1))+c₂r₂·(p_igd-x_id(t-1))) (5)

x_id(t)＝x_id(t-1)+v_id(t) (6)

其中，χ为压缩因子；c₁,c₂为加速度因子，c₁＝c₂＝2；r₁,r₂为0到1之间均匀分布的随机数；p_i＝(p_i1，p_i2)为粒子i的历史最优位置，p_ig＝(p_ig1，p_ig2)为粒子i所在子群的子群中心的位置；d为维度变量，d＝1,2；压缩因子按照式(7)变换：

其中，χ_min＝0.4，χ_max＝1.0；若更新后x_id<0，则令x_id＝0；若更新后x_id>10，则令x_id＝10；

(5)迭代计数累加，t＝t+1；

(6)重复步骤(1)到(5)，直到迭代计数达到最大迭代计数t_max则停止迭代，t_max＝100～2000；

种群全局最优粒子所在的位置p_best＝(p_best1,p_best2)即优化后的参数a,b，即a＝p_best1,b＝p_best2；参数寻优模块将优化后的参数a,b输入图像增强与输出模块，图像增强与输出模块按照公式(2)进行图像增强变换，并将增强后的图像的灰度值按照公式(8)扩展到[L'_min,L'_max]范围并输出：

F'(x,y)＝(L'_max-L'_min)×F(x,y) (8)。

本发明的有益效果主要表现在：本发明利用改进的智能优化方法对灰度图像增强变换过程中的参数进行寻优，能够找到使增强效果最好的参数；改进的智能优化方法添加了分群操作，能够防止优化过程陷入局部最优；根据迭代计数自适应变化的压缩因子提高了算法的收敛性，加快了系统的运行速度。本发明能够快速准确地确定最优参数对灰度图像进行增强操作，增强效果好，运行效率高。

附图说明

图1是本发明的结构示意图；

图2是本发明的流程图；

图3是本发明中压缩因子χ随迭代次数t的变化图。

具体实施方式

下面根据附图具体说明本发明。

参照图1，一种自适应的灰度图像增强系统，包括四个模块：图像读入模块1、图像预处理模块2、参数寻优模块3以及图像增强与输出模块4，其中：

图像读入模块1读入一幅像素为M×N的灰度图像I，并将其输入图像预处理模块2。灰度图像I＝{f(x,y)}，其中x＝1,2,…,M，y＝1,2,…,N，f(x,y)代表像素点(x,y)的灰度值，f(x,y)∈[L_min,L_max]，L_min,L_max分别表示读入的灰度图像的灰度值的最小值和最大值。

图像预处理模块2对读入的灰度图像进行归一化处理后，将结果输入参数寻优模块3。将图像归一化处理是为了适应后续的图像增强变换。像素点(x,y)经过归一化以后的像素值为f'(x,y)：

参数寻优模块3初始化种群规模为N_s的粒子群，随机生成维度为2的粒子i的初始位置x_i＝(x_i1,x_i2)和初始速度v_i＝(v_i1,v_i2)，i＝1,2,...,N_s。其中x_i1,x_i2∈[0,10]，v_i1,v_i2∈[-10,10]，种群规模N_s＝30～100。然后按以下方法进行迭代，初始时迭代计数t＝0：

(1)按公式(2)对每个像素点进行图像增强变换：

其中，F(x,y)为像素点(x,y)经过增强变换以后的像素值；u为读入的灰度图像归一化后的灰度值，即u＝f'(x,y)，u∈[0,1]；a,b为待优化的参数，用粒子的位置状态表示，a＝x_i1，b＝x_i2，a,b∈[0,10]；q为灰度增强变换公式中的积分变量，无实际意义。

(2)按照公式(3)获取所有粒子的适应度值fitness(a,b)：

其中，F²(x,y)为像素点(x,y)增强变换后的灰度值F(x,y)的平方。适应度值越大，则图像对比度越高，图像的增强效果越好。适应度值最大的粒子为全局最优粒子p_best＝(p_best1,p_best2)。

(3)对所有粒子进行分群操作。相较于传统的粒子群方法，基于分群的粒子群优化方法能防止优化过程陷入局部最优，从而寻找到使图像增强效果最好的全局最优参数。具体包括以下子步骤：

(3.1)将所有粒子按照适应度值大小从大到小排序，选取适应度值最大的粒子作为一个子群中心；

(3.2)在剩下的粒子中选取适应度值最大的粒子，依次计算该粒子与各个子群中心的欧几里得距离。粒子i与粒子j的欧几里得距离dist(i,j)定义为：

其中，x_i＝(x_i1,x_i2)代表粒子i的位置，x_j＝(x_j1,x_j2)代表粒子j的位置，i,j＝1,2,...,N_s。若该粒子与某一个子群中心的欧几里得距离小于半径r，则将该粒子归为该子群中心所在的子群，并不再计算该粒子与剩下的子群中心的欧几里得距离；若该粒子与所有子群中心的距离都大于半径r，则将该粒子置为一个新的子群中心。根据搜索空间的大小，令半径r＝1～3。(3.3)重复步骤(3.2)，直到处理完所有粒子，则分群完成，且每个子群中心为该子群中适应度值最大的粒子。

(4)按照式(5)(6)更新每个粒子的速度与位置：

v_id(t)＝χ·(v_id(t-1)+c₁r₁·(p_id-x_id(t-1))+c₂r₂·(p_igd-x_id(t-1))) (5)

x_id(t)＝x_id(t-1)+v_id(t) (6)

其中，χ为压缩因子；c₁,c₂为加速度因子，c₁＝c₂＝2；r₁,r₂为0到1之间均匀分布的随机数；p_i＝(p_i1，p_i2)为粒子i的历史最优位置，p_ig＝(p_ig1，p_ig2)为粒子i所在子群的子群中心的位置；d为维度变量，d＝1,2。

压缩因子χ越大，代表粒子的全局搜索能力越强，压缩因子χ越小，代表局部搜索能力越强。传统粒子群方法中压缩因子χ为常数，为了更快地找到最优参数，提高运行效率，参照图3，随着迭代次数的增加，设定压缩因子χ按照式(7)变换：

其中，χ_min＝0.4，χ_max＝1.0。若更新后x_id<0，则令x_id＝0；若更新后x_id>10，则令x_id＝10。

(5)迭代计数累加，t＝t+1。

(6)重复步骤(1)到(5)，直到迭代计数达到最大迭代计数t_max则停止迭代，t_max＝100～2000。

种群全局最优粒子所在的位置p_best＝(p_best1,p_best2)即优化后的参数a,b，即a＝p_best1,b＝p_best2。参数寻优模块3将优化后的参数a,b输入图像增强与输出模块4，图像增强与输出模块按照公式(2)进行图像增强变换，并将增强后的图像的灰度值按照公式(8)扩展到[L'_min,L'_max]范围并输出：

F'(x,y)＝(L'_max-L'_min)×F(x,y) (8)

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (1)

1.一种自适应的灰度图像增强系统，其特征在于：该系统由图像读入模块、图像预处理模块、参数寻优模块、图像增强与输出模块组成；其中：

图像读入模块读入一幅像素为M×N的灰度图像I，并将其输入图像预处理模块；灰度图像I＝{f(x,y)}，其中x＝1,2,…,M，y＝1,2,…,N，f(x,y)代表像素点(x,y)的灰度值，f(x,y)∈[L_min,L_max]，L_min,L_max分别表示读入的灰度图像的灰度值的最小值和最大值；

图像预处理模块对读入的灰度图像进行归一化处理后，将结果输入参数寻优模块；像素点(x,y)经过归一化以后的像素值为f'(x,y)：

参数寻优模块初始化种群规模为N_s的粒子群，随机生成维度为2的粒子i的初始位置x_i＝(x_i1,x_i2)和初始速度v_i＝(v_i1,v_i2)，i＝1,2,...,N_s；其中x_i1,x_i2∈[0,10]，v_i1,v_i2∈[-10,10]，种群规模N_s为30～100；然后按以下方法进行迭代，初始时迭代计数t＝0：

(1)按公式(2)对每个像素点进行图像增强变换：

其中，F(x,y)为像素点(x,y)经过增强变换以后的像素值；u为读入的灰度图像归一化后的灰度值，即u＝f'(x,y)，u∈[0,1]；a,b为待优化的参数，用粒子的位置状态表示，a＝x_i1，b＝x_i2，a,b∈[0,10]；q为灰度增强变换公式中的积分变量；

(2)按照公式(3)获取所有粒子的适应度值fitness(a,b)：

其中，F²(x,y)为像素点(x,y)增强变换后的灰度值F(x,y)的平方；适应度值最大的粒子为全局最优粒子p_best＝(p_best1,p_best2)；

(3)对所有粒子进行分群操作，包括以下子步骤：

(3.1)将所有粒子按照适应度值大小从大到小排序，选取适应度值最大的粒子作为一个子群中心；

(3.2)在剩下的粒子中选取适应度值最大的粒子，依次计算该粒子与各个子群中心的欧几里得距离；粒子i与粒子j的欧几里得距离dist(i,j)定义为：

其中，x_i＝(x_i1,x_i2)代表粒子i的位置，x_j＝(x_j1,x_j2)代表粒子j的位置，i,j＝1,2,...,N_s；若该粒子与某一个子群中心的欧几里得距离小于半径r，则将该粒子归为该子群中心所在的子群，并不再计算该粒子与剩下的子群中心的欧几里得距离；若该粒子与所有子群中心的距离都大于半径r，则将该粒子置为一个新的子群中心；半径r为1～3；

(3.3)重复步骤(3.2)，直到处理完所有粒子，则分群完成，且每个子群中心为该子群中适应度值最大的粒子；

(4)按照式(5)(6)更新每个粒子的速度与位置：

v_id(t)＝χ·(v_id(t-1)+c₁r₁·(p_id-x_id(t-1))+c₂r₂·(p_igd-x_id(t-1))) (5)

x_id(t)＝x_id(t-1)+v_id(t) (6)

其中，χ为压缩因子；c₁,c₂为加速度因子，c₁＝c₂＝2；r₁,r₂为0到1之间均匀分布的随机数；p_i＝(p_i1，p_i2)为粒子i的历史最优位置，p_ig＝(p_ig1，p_ig2)为粒子i所在子群的子群中心的位置；d为维度变量，d＝1,2；压缩因子按照式(7)变换：

其中，χ_min＝0.4，χ_max＝1.0；若更新后x_id＜0，则令x_id＝0；若更新后x_id＞10，则令x_id＝10；

(5)迭代计数累加，t＝t+1；

(6)重复步骤(1)到(5)，直到迭代计数达到最大迭代计数t_max则停止迭代，t_max为100～2000；

种群全局最优粒子所在的位置p_best＝(p_best1,p_best2)即优化后的参数a,b，即a＝p_best1,b＝p_best2；参数寻优模块将优化后的参数a,b输入图像增强与输出模块，图像增强与输出模块按照公式(2)进行图像增强变换，并将增强后的图像的灰度值按照公式(8)扩展到[L'_min,L'_max]范围并输出：

F'(x,y)＝(L'_max-L'_min)×F(x,y) (8)。

Images