论文部分内容阅读
现实生活中,由于光照条件不佳,经常会产生低照度图像,这样的图像首先给人带来视觉上的不舒适,同时也不利于后续的图像处理工作,为了改善这类图像的视觉效果,需要对其进行增强处理。元启发式算法的基本原理是模仿自然界中动物的各种行为,然后将它们的行为形成数学模型,可用于函数优化得到最优解。本文将低照度图像处理问题视作变换函数优化问题,对运用元启发式算法解决低照度图像增强问题进行了探索,提出了基于粒子群优化算法和布谷鸟搜索算法的低照度图像增强方法。论文的具体工作及主要贡献如下:(1)针对低照度灰度图像存在整体偏暗,照度不均,对比度低等问题,提出一种基于粒子群优化的灰度图像增强算法。该算法用粒子群优化算法结合双伽马函数校正方法,通过寻找最优α值对图像进行全局增强,从而提升低亮区域的灰度值并抑制高亮区域的灰度值。(2)为了有效提高低照度彩色图像的视觉效果,提出一种基于自适应混沌粒子群优化算法(ACPSO)的图像增强方法。首先,在L*a*b*颜色空间提高图像对比度。然后,利用提出的ACPSO结合伽马校正函数处理HSV空间图像、增强亮度,同时利用构建的自适应拉伸函数、增强饱和度,得到增强的彩色图像。(3)由于煤矿井下图像存在对比度差、照明不均、模糊不清等问题,提出了一种基于布谷鸟搜索的图像增强方法。该方法基于HSV颜色空间,用布谷鸟搜索算法结合提出的BGDPH算法,将平均亮度融入评价函数,结合熵和灰度标准方差构建新的目标函数,通过寻找最优参数值对图像进行全局对比度和亮度增强,实现了对矿井下图像的细节增强。(4)通过实验验证,使用本文提出方法增强不同特点的低照度图像,得到的增强图像细节清晰、增强结果自然,有效抑制了噪声的产生,能够明显改善低照度图像质量。