基于混合遗传算法的图像增强技术VIP免费

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一步的分析处理，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,...PXr1,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。一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：其中对于不同的α，β值，我们可以从以上表达式中得到响应曲线。该混合算法可以利用前面的部分自适应查分进化算法搜索最佳函数来确定的β值，然后每个像素灰度值为β的函数，相应的图一转化，产生理想的图像...