基于布谷鸟搜索优化的红外热像仪对比度增强方法

发布时间：2021-01-12 11:36

　　由于探测器原理性的缺陷,红外热像仪所获图像的对比度低、细节不明显。对比度受限的自适应直方图均衡化方法（Contrast Limited Adaptive Histogram Equalization, CLAHE）能够增强红外图像的对比度,但是其受限参数无法适应不同的场景,且需要手动调整。作为一种智能种群优化算法,布谷鸟搜索算法具备强大的寻优能力。基于该算法,使CLAHE方法在不同场景下获取最优参数,进而实现红外图像对比度的场景自适应增强。实验分析表明,这种改进的算法具有可行性和适应性。 

【文章来源】：红外. 2020,41(04)

【文章页数】：5 页

【部分图文】：

直方图限幅截取方式

布谷鸟搜索算法[7-8]是由剑桥大学的Yang X S提出的一系列智能种群算法中的一种,即通过模拟种群行为来进行寻优。它主要基于布谷鸟的寄生性育雏行为,并通过Levy飞行搜索来加以增强而不是简单的各项同性随机游走。Levy飞行是一类非高斯随机过程,其平稳增量服从稳定分布,飞行步长满足一个重尾的Levy稳定分布[9]。因此,布谷鸟搜索可以简化为以下规则:每个巢中的蛋代表一个解,而每只布谷鸟只能产一个蛋,则可使用新的解和可能更好的解来取代不太好的解。该算法的寻优路径公式为其中Levy飞行服从

经典CLAHE算法在不同场景下提升红外图像对比度时需要手动调整参数,导致算法自适应程度不高。而通过用布谷鸟搜索算法获取CLAHE的最优参数,可以保证对比度增强维持在最佳效果,而且能够实现不同场景下的自适应增强。实验结果表明,基于布谷鸟算法优化的改进CLAHE算法进一步提升了红外图像对比度增强的场景自适应性。本文只对该算法进行了仿真验证,因此具体工程实现中的算法优化和基于FPGA的实时处理,将是后续工作的重点。图4 不同参数下楼宇红外图像处理的实验结果对比

【参考文献】：
期刊论文
[1]布谷鸟搜索算法研究综述[J]. 兰少峰,刘升.  计算机工程与设计. 2015(04)



本文编号：2972779