人工鱼群与粒子群混合图像自适应增强算法

０ 引言
图像在成像过程中受到传感器性能下降 、 恶劣天气等因 素 的影响 ， 导致目视效果较差 ， 影响目视解译 、 目标提取等 后 续 ）就是为了改善图像的 操作 。 图像 增 强 （ Ｉ ｍ ａ ｅ Ｅ ｎ ｈ ａ ｎ ｃ ｅ ｍ ｅ ｎ ｔ ｇ 视觉效果 ， 或者使图像让人或机器能更好地分析和理解 ， 用 图 像中的一些特征和存在的问题采取强有力的方法加强图形部分
１］ 。 利用非完全 Ｂ 特征 ［ ｅ ｔ ａ函 数 进 行 的 非 线 性 增 强 需 要 人 为 设
个体寻优进化的动力达到提高增强时效的同时提高增强效果 。
１ 图像非线性增强
图像像素灰度变换可用如下最基本的形式表达 ：
＊ （ ） Ｉ ｉ １ ｘ ｘ ｙ ＝ ｆ（ ｙ） ， （ ， ） ， 其中 为输 出 的 增 强 图 像 像 素 点 的 灰 度 值 Ｉ ｘ ｙ ｆ 是非线性变换 。 一 般 对 不 同 质 量 的 图 像 则 采 用 不 同 的 变 换 函
； 。 收稿日期 ： ２ ０ １ ２ ０ ４ １ ８ ２ ０ １ ２ ０ ６ １ ６ － － 修回日期 ： － － ； 基金项目 ： 国家自然 科 学 基 金 （ 解放军理工大学气象学 ４ ０ ９ ７ ６ ０ ６ ２） 院基础理论研究基金项目 ； 解放军理工大学预先研究基金项目 。 ， 作者简介 ： 王 敏（ 女， 陕西咸阳人， 硕士， 讲师， 主要从事图 １ ９ ８ ３ －） 像处理 、 模式识别方向的研究 。
１ １ １ － － α β ） Ｂ（ １－ｔ ｄ ｔ α， β）＝ ｔ （
（ ） ２
∫
０
（ ） ３
通过调整α， β 的值 ， 就可以得到图 １ 所 示 的 各 种 类 型 的 非 线性变换曲线 。 据此 ， 归一化的非完 全 Ｂ ｅ ｔ ａ函数进行灰度转换的表达式 为：
１ １ － － α β （ ） ｔ １－ｔ （ ） ｄ ｔ ４ ） Ｂ（ α， β ｘ，ｙ） 的 灰 度 值 （ ｉ ０ ≤ｉ 其 中 ， ｘ ｘ ｙ 原始图像像素 （ ｙ ≤ ，０＜Ｔ （ １） ｇ） ＜１。
Ｉ ｍ ａ ｅ Ａ ｄ ａ ｔ ｉ ｖ ｅ Ｅ ｎ ｈ ａ ｎ ｃ ｅ ｍ ｅ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ Ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ Ｆ ｉ ｓ ｈ－Ｓ ｗ ａ ｒ ｍ ａ ｎ ｄ ｇ ｐ Ｓ ｗ ａ ｒ ｍ Ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ Ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｐ
： ， ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔ ｈ ｅ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｉ ｍ ａ ｅ ａ ｎ ｄ ａ ｎ ａ ｌ ｓ ｉ ｓ ｈ ａ ｓ ｂ ｅ ｅ ｎ ｏ ｎ ｅ ｆ ｏ ｃ ｕ ｓ ｏ ｆ ｉ ｍ ａ ｅ ａ ｌ ｓ ｏ ａ ｋ ｅ ｉ ｓ ｓ ｕ ｅ ｐ ｇ ｐ ｇ ｇ ｇ ｙ ｇ ｙ ， ｎ ｅ ｅ ｄ ｔ ｏ ｂ ｅ ｓ ｏ ｌ ｖ ｅ ｄ ． Ａ ｓ ｔ ｈ ｅ ｕ ｓ ｕ ａ ｌ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｅ ｎ ｔ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｒ ｅ ｌ ａ ｔ ｉ ｖ ｅ ｌ ｕ ｎ ｉ ｔ ａ ｒ ａ ｎ ｄ ｎ ｏ ｎ－ｐ ｅ ｒ ｆ ｅ ｃ ｔ ｅ ｆ ｆ ｅ ｃ ｔ ｓ ｏ ｔ ｈ ｅ ｌ ｏ ｃ ａ ｌ ｓ ｅ ａ ｒ ｃ ｈ ｉ ｓ ｉ ｍ－ ｗ ｈ ｉ ｃ ｈ ｇ ｐ ｇ ｙ ｙ ｒ ｅ ｃ ｉ ｓ ｅ ａ ｒ ｔ ｉ ｃ ｌ ｅ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ａ ｎ ｄ ｅ ａ ｒ ｌ ｔ ｏ ｃ ｏ ｎ ｖ ｅ ｒ ｅ ｎ ｃ ｅ ． Ｃ ｏ ｎ ｓ ｉ ｄ ｅ ｒ ａ ｍ ｉ ｘ ｏ ｆ ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｆ ｉ ｓ ｈ－ｓ ｗ ａ ｒ ｍ ａ ｎ ｄ ｓ ｗ ａ ｒ ｍ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｔ ｏ ｆ ｉ ｎ ｄ ｔ ｈ ｅ ｅ ｎ ｈ ａ ｎ ｃ ｅ ｍ ｅ ｎ ｔ ｐ ｐ ｐ ｙ ｇ ｐ ， ｔ ｈ ａ ｔ ｅ ｔ ｔ ｉ ｎ ｃ ａ ｎ ａ ｖ ｏ ｉ ｄ ａ ｂ ｏ ｖ ｅ ｄ ｅ ｆ ｅ ｃ ｔ ｓ ． Ｔ ｈ ｅ ｅ ｘ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｈ ａ ｓ ａ ｈ ｉ ｈ ｅ ｒ ｓ ｅ ｌ ｆ －ａ ｄ ａ ｔ ｉ ｖ ｅｔ ｈ ａ ｔ ｉ ｓ ｔ ｏ ａ ｖ ｏ ｉ ｄ ｉ ｎ ｔ ｏ ｌ ｏ ｃ ａ ｌ ｍ ｉ ｎ ｉ － ｇ ｇ ｐ ｇ ｇ ｐ ， ｍ ｕ ｍ， ｔ ｈ ｅ ｃ ｏ ｎ ｖ ｅ ｒ ｅ ｎ ｃ ｅ ｉ ｓ ｓ ｅ ｅ ｄ ｕ ａ ｎ ｄ ｅ ｎ ｈ ａ ｎ ｃ ｅ ｔ ｈ ｅ ｕ ａ ｌ ｉ ｔ ａ ｓ ｓ ｅ ｓ ｓ ｍ ｅ ｎ ｔ ｉ ｓ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ｓ ｉ ｎ ｉ ｆ ｉ ｃ ａ ｎ ｔ ｌ ． ｇ ｐ ｐ ｑ ｙ ｐ ｇ ｙ ： ； ； ； Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｉ ｍ ａ ｅ ｅ ｎ ｈ ａ ｎ ｃ ｅ ｍ ｅ ｎ ｔ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｓ ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｆ ｉ ｓ ｈ－ｓ ｗ ａ ｒ ｍ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ； ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗ ａ ｒ ｍ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｆ ｉ ｔ ｎ ｅ ｓ ｓ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｇ ｐ ｇ ｇ ｐ ｐ ｙ
摘要 ： 图像处理和分析的智能化和自动化一直是图像处理学科研究热点之一 ， 也 是 一 个 亟 待 解 决 的 关 键 问 题 ； 一 般 的 智 能 优 化 算 法 由于算法较为单一 ， 寻优效果不尽完善 ， 会出现局部搜索不精确 、 易发生过早收敛等 问 题 ； 考 虑 将 人 工 鱼 群 与 粒 子 群 算 法 混 合 对 图 像 非 线性增强参数进行寻优能很好地避免此类缺陷 ； 实验表明 ， 该算法具有较高的自 适 应 性 ， 即 避 免 了 陷 入 局 部 极 小 ， 加 快 了 收 敛 速 度 ， 且 图像灰度覆盖范围广 、 增强质量评价明显提高 。 关键词 ： 图像增强 ； 优化算法 ； 人工鱼群算法 ； 粒子群算法 ； 适应度函数
的群体在 Ｄ 维搜 索 空 间 以 一 定 的 速 度 飞 行 ，每 个 粒 子 在 搜 索 时 ，考虑到了自己搜索到的为最好点和群体 内 其 他 粒 子 的 历 史 最好点 ，在此基础上进行位置的变化 。 和 遗 传 算 法 相 似 ， 它 也 是从随机解出发 ， 通过迭代寻找最优解 ， 它也是通过适应度 来 评价解的品质 ， 但它比遗传算法规则更为简单 ， 没有遗传算 法 ）以及变异 （ ） 操 作，在 大 多 数 用的交叉 （ ｃ ｒ ｏ ｓ ｓ ｏ ｖ ｅ ｒ ｍ ｕ ｔ ａ ｔ ｉ ｏ ｎ 的情况下 ， 所有的粒子可能更快地收敛于最优解 。 粒子的进化方程为 ：
ｋ １ ｋ ｋ ｋ ｋ ｋ ＋ ｖ ｃ ＝ｖ ＋ｃ Ｄ －ｘ ｉ Ｄ ＋ ｉ Ｄ －ｘ ｉ Ｄ） ｉ Ｄ） ｉ Ｄ １ ２ ｐ ｐ ｇ ζ（ η（ ｋ １ ＋ ｉ Ｄ ｋ ｉ Ｄ ｋ １ ＋ ｉ Ｄ
ｕ
１ １ － － α β （ ） ， Ｆ（ ｕ）＝ Ｂ－１ （ １－ｔ ｄ ｔ ×ｔ α， β）
∫
０
０ ＜α， ０ β＜１ ， ： ， ） 为 函数 表示如下 Ｂ ｅ ｔ ａ Ｂ（ 其中 ， αβ
· ２ ８ ０ ６·
计算机测量与控制
第２ ０卷

３］ 。 该归一化 的 非 完 全 Ｂ 这 ４ 类变换曲线 ［ ｅ ｔ ａ函数 Ｆ （ ｕ）定 义 为： ［］ 发于 １ ９ ９ ５ 年共同提出的 ６ 。 基本原 理 是 一 个 由 ｍ 个 粒 子 组 成
算法 、 设计与应用
计 算机测量与控制． ２ ０ １ ２． ２ ０（ １ ０） Ｃ ｏ ｍ ｕ ｔ ｅ ｒ Ｍ ｅ ａ ｓ ｕ ｒ ｅ ｍ ｅ ｎ ｔ ＆ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｐ
文献标识码 ： Ａ
· ２ ８ ０ ５·

图 １ 四种典型的灰度变换函数ห้องสมุดไป่ตู้
横坐标为原图像的 灰 度 值 ， 纵 坐 标 为 变 换 后 图 像 的 灰 度 。 （ ） 变换表示对较暗区域进行扩展 ；（ ） 变换表示对 较 亮 区 域 ａ ｂ ） 进行扩展 ；（ 变换表示对中间区域进行拉伸而对 两端区域压 ｃ ） 变换表示对两端区域进行拉伸而对中间区域压 缩 。 其 缩 ；（ ｄ ）和 （ ） 两种变换函数可用于处理灰度集 中 于 某 一 区 域 中 （ ｃ ｄ 的图像 。 每一种变换曲线都可以被一组参数所描 述 。Ｔ ｕ ｂ ｂ ｓ提 出 了 （ ） 一种归一化的非完全 Ｂ 函数 来 自 动 拟 合 图 像 增强的 ｅ ｔ ａ Ｆ ｕ
， ， ，Ｍ Ｗ ａ ｎ Ｍ ｉ ｎ，Ｈ ｕ ａ ｎ Ｆ ｅ ｎ Ｙ ｅ Ｓ ｏ ｎ Ｌ ｉ ｕ Ｚ ｈ ｉ ｈ ｕ ａ ａ Ｎ ｉ ｎ ｇ ｇ ｇ ｇ ｇ
（ ， ，Ｎ ） Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｍ ｅ ｔ ｅ ｏ ｒ ｏ ｌ ｏ Ｐ Ｌ Ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ａ ｎ ｉ ｎ １ １ １ ０ １，Ｃ ｈ ｉ ｎ ａ ２ ｇ ｙ ｙ ｇ ｙ ｊ ｇ
数 ， 与此对应的变换函数大致有四类 。
置参数 ， 使得利 用 智 能 优 化 算 法 来 自 动 设 置 最 佳 参 数 成 为 可 能。 人工鱼 群 算 法 （ Ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ Ｆ ｉ ｓ ｈ－Ｓ ｗ ａ ｒ ｍ Ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， Ａ Ｆ － ｇ ［ ２］ ， 和粒子群算 法 （ Ｓ Ａ） ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗ ａ ｒ ｍ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ Ｐ Ｓ Ｏ）都 是 ｐ ｐ 基于动物行为 的 群 体 智 能 优 化 算 法 ， 但 Ａ Ｆ Ｓ Ａ 后期收敛速度 较慢 ， 只能找到满意的解的域 ， 很难得 到 精 确 的 最 优 解 ；Ｐ Ｓ Ｏ 算法后期 ， 也会由于粒子的同一化 ， 使得算法很难跳出局部 最 优 ， 引起显著的早熟现象 。 基于上述两种算法各自的缺陷 ， 本文考虑将两种算法有 机 地结合起来应用到图像非线性增强过程 ： 先利用人工鱼群的 全 局收敛性快速寻找到满意的解域 ， 再利用粒子群算法进行快 速 的局部搜索 ， 使 得 混 合 后 的 算 法 不 仅 具 有 快 速 的 局 部 搜 索 速 度 ， 而且保证具有全局收敛性能 ， 并利用新的适应度函数增 进
（ ） 文章编号 ： １ ６ ７ １ ４ ５ ９ ８ ２ ０ １ ２ １ ０ ２ ８ ０ ５ ０ ３ Ｔ Ｐ ３ ９ １ － － － 中图分类号 ：
人工鱼群与粒子群混合图像自适应增强算法
王 敏 ， 黄 峰 ， 叶 松 ， 刘志华 ， 马 宁
（ ） 解放军理工大学 气象学院 ， 南京 ２ １ １ １ ０ １