基于SCBSO算法的低照度纹理图像增强方法

发布时间：2021-10-10 06:42

　　针对纹理图像处理过程中,采集图像包含大量噪声而影响处理结果的问题,以及天牛须群优化（BSO）算法易陷入局部优解的问题,提出一种基于正余弦策略的改进天牛须群优化（SCBSO）算法,并将该算法应用在低照度纹理图像增强中。首先引入logistic模型增加初始解群的多样性;其次结合正余弦策略对BSO算法的搜索策略进行改进,加入时变加速因子实现参数自动更新,提升BSO算法的收敛速度和搜索精度;最后利用SCBSO算法结合染色体结构实现对图像最优灰度分布的精确搜索。在标准函数的测试中,SCBSO算法在两种类别函数下的运行时间较原算法缩短了16.56%和14.78%,增强后图像的对比度更强,自然特性保存得更好。SCBSO算法与对比算法相比,明度顺序误差（LOE）降低了37.8%,视觉信息保真度增长了15.3%,PSNR提高了12.9%,在去噪的同时很好地保留图像的纹理特征。 

【文章来源】：激光与光电子学进展. 2019,56(24)北大核心CSCD

【文章页数】：10 页

【部分图文】：

染色体结构示意图

BSO算法是在天牛须搜索（BAS）算法的基础上，将BAS个体搜索策略与PSO算法的群体策略相结合而提出的一种群体优化算法，该方法结合BAS算法个体局部搜索与PSO算法全局搜索的优势[17]，在不提高PSO算法复杂度的前提下，有效提高算法对全局最优解的搜索速度与精度。对于BSO算法，每个天牛个体均如粒子一样被赋予位置与速度两个属性[16]，对于N个群体、M维的BSO算法，其中第i个体空间坐标用Xi=(xi1,xi2，…，xiM）表示，群体为X=(X1,X2，…，XN),Xi个体的当前速度坐标为Vi=(vi1,vi2，…，viM），个体当前最优位置坐标为Pi=(pi1,pi2，…，piM），而群体当前最优位置坐标为Pg=(pg1,pg2，…，pg M）。文献[17]所给出的个体天牛的速度更新公式为

SCBSO算法流程图

【参考文献】：
期刊论文
[1]基于局部二进制模式方差的分数阶微分医学图像增强算法[J]. 刘洪普,郑梦敬,侯向丹,李柏岑,杜佳卓.  激光与光电子学进展. 2019(09)
[2]基于改进的引导滤波和双通道脉冲耦合神经网络的医学图像融合[J]. 王建,吴锡生.  激光与光电子学进展. 2019(15)
[3]光纤光栅谱形复用解调中粒子群算法的参数优化[J]. 张梅,张伟,章鹏,陈伟民.  中国激光. 2019(07)
[4]基于总变分模型的改进图像修复算法[J]. 杜闪闪,韩超.  激光与光电子学进展. 2018(07)
[5]一种主动鉴别未知类别指静脉的识别系统[J]. 陶志勇,王浩童,王藜谚.  激光与光电子学进展. 2018(12)
[6]一种基于粒子群优化的高斯混合灰度图像增强算法[J]. 陈皓月,钱钧,姜文涛,杨一洲,宋磊,黄西莹.  应用光学. 2017(04)
[7]一种采用改进蚁狮优化算法的图像增强方法[J]. 李宗妮,吴伟民,林志毅.  计算机应用研究. 2018(04)
[8]一种采用改进细菌觅食优化算法的图像增强方法[J]. 姜建国,周佳薇,周润生,王娟.  控制与决策. 2015(03)
[9]基于广义Beta函数的图像自适应增强方法[J]. 孙棣华,张路,赵敏,阳树洪,叶涛.  计算机应用研究. 2011(12)

硕士论文
[1]基于混合粒子群优化算法的波阻抗反演研究[D]. 高松岩.东北石油大学 2018
[2]基于正余弦策略的粒子群算法的研究及应用[D]. 宁维迪.湖南大学 2018



本文编号：3427859