买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉大学

摘要：本发明提供了一种基于自适应粒子群算法的灰度图像增强方法及设备，包括：S1：定义图像转换函数，输入的灰度图像将通过图像转换函数进行增强；S2：通过自适应粒子群算法确定图像转换函数中的参数数值，在保障图像信息量的情况下获得更清晰的图像轮廓；S3：根据自适应粒子群算法确定的参数数值，通过图像转换函数输出增强后的灰度图像。本发明通过在构建图像转换函数时考虑图像的局部信息，改进了传统图像增强中仅考虑图像全局信息的不足，在不损失图像信息量的情况下强化图像轮廓，实现了对求解空间全局搜索与局部挖掘的自适应平衡，不仅规避了人力调整参数的盲目性，还能够保证算法处于稳定的搜索状态，且求解效率更高。

主权项：1.一种基于自适应粒子群算法的灰度图像增强方法，其特征在于，包括：S1：定义图像转换函数，输入的灰度图像将通过图像转换函数进行增强；其中，在步骤S1中，所述图像转换函数包含像素全局平均值、像素局部平均值、像素局部标准差和四个可调整参数，计算式为： 其中，a、b、c和k是四个可调整参数，根据自适应粒子群算法确定数值；G是像素全局平均值；和分别是输入的灰度图像第位置的像素点在范围内的灰度值平均值和灰度值标准差，n为大于1且小于20的整数；是输入的灰度图像在位置的像素点的灰度值；是输入的灰度图像在位置的像素点经过图像增强后的灰度值,为图像的长宽尺寸；为输入的灰度图像在范围内位置的像素点的灰度值S2：通过自适应粒子群算法确定图像转换函数中的参数数值，在保障图像信息量的情况下获得更清晰的图像轮廓；在步骤S2中，所述自适应粒子群算法包括：S2.1：参数初始化，包括目标函数、求解维度、粒子数目N、迭代上限T、子群数量上限Z、子群粒子数量下限、结构更新间隔、搜索范围、速度范围、惯性权重变化范围、第一加速因子变化范围、第二加速因子变化范围、第三加速因子变化范围；其中，目标函数用于度量图像增强的程度，其值越大代表图像增强的效果越好；求解维度即待确定的参数个数，该方法中需求解a、b、c和k，维度固定为四；粒子数目N代表潜在解的数量，一个粒子在求解空间中的位置即4个参数的具体大小，因此一个粒子代表一个潜在解，求解空间由4个参数的取值上、下限组成；迭代上限是设置的算法终止条件；子群数量上限是后续K-Means聚类算法对粒子分组时最大的分组数量，分组完成后的每组粒子称为子群；子群粒子数量下限是确保每个子群内均包含不少于个粒子；结构更新间隔的含义是每经过个迭代步便触发一次K-Means聚类算法；搜索范围即4个参数的取值上、下限；速度范围用于限制粒子每次迭代的位置变化幅度；惯性权重、第一加速因子、第二加速因子和第三加速因子是自适应粒子群算法中速度迭代公式的四个参数，在设置的变化范围内自适应调整大小；S2.2：通过K-Means聚类算法将粒子群划分为多个子群，重复100次获得足够的分组结果并计算卡林斯基-哈拉巴斯指数，选择卡林斯基-哈拉巴斯指数最大值对应的子群数目并通过K-Means聚类算法完成此次划分，该次划分过程中聚类中心的数量固定为；K-Means聚类算法：在空间中随机位置生成Z个聚类中心，根据粒子与每个聚类中心的距离对粒子分组，当存在组内粒子少于时，聚类中心的数量逐次减小1并对所有粒子重新分组，直至所有子群的粒子数量满足要求，划分完成后计算新的聚类中心位置；当新、旧聚类中心的位置发生变化则再次划分粒子，直至新、旧聚类中心的位置重合，K-Means聚类算法结束并获得聚类结果；卡林斯基-哈拉巴斯指数计算式： 式中，为K-Means聚类算法完成后的聚类中心数量，为第z个子群的粒子数，为第z个子群的中心位置，s为求解空间的中心位置,score为卡林斯基-哈拉巴斯指数，为每个粒子的位置；S2.3：将粒子在求解空间中的初始位置代入目标函数获得粒子的适应度值，记录每个粒子的位置和适应度值并正式进入迭代循环，在迭代循环中，更新每个粒子速度迭代公式中的参数，更新粒子的速度、位置和适应度值，更新粒子速度迭代公式中使用的个体极值、子群极值和全局极值，更新完成后视为一个迭代步结束，迭代次数每达到一次结构更新间隔便进行一次S2.2操作，当迭代次数达到迭代上限T时，算法停止；S3：根据自适应粒子群算法确定的参数数值，通过图像转换函数输出增强后的灰度图像。

全文数据：

权利要求：

百度查询： 武汉大学 基于自适应粒子群算法的灰度图像增强方法及设备