CN119494801A 基于多策略改进麻雀搜索的图像增强优化方法 （安庆师范大学）

基于多策略改进麻雀搜索的图像增强优化本发明提供一种基于多策略改进麻雀搜索应局部搜索策略和柯西高斯变异策略更新麻雀增强后的图像具有更高地对比度与更好地清晰2S1、将低照度图像作为输入的原始图像，对原始图S4、将麻雀种群中的每个麻雀个体代入到双伽马函S5、更新麻雀种群的最优适应度值，如果更新后的麻c和yc+1是立方序列；S26、合并混沌映射后种群Xc和反向解种群X:,将合并后的麻雀个体适应度值进行排3其中，N_edges(E)代表索贝尔算子即Sobel算子检测到的4.如权利要求1_3任一项所述的基于多策略改进麻雀搜索的图像增强优化方法，其特其中，X"x?表示在第n+1次迭代、第n次迭代时第c只麻雀个体在搜索空间中的位最后将得到的最优解的领域值X"与最优解进行适应度值比较，选取适应度值高4的排序，选取适应度值最高的麻雀个体进行柯西高斯变异得到适应度值最高的麻雀个5.如权利要求1_3任一项所述的基于多策略改进麻雀搜索的图像增强优化方法，其特BiGAa(x)为用来增强图像暗区域的凸函数，wote)-e.BiGAb(x)为用于抑制亮区域的凹函数，bic4,()-1-(1-⃞,γ是一个用于控5的伽马校正的图像增强算法，通过多尺度分解并结合自适应伽马矫正来提升图像的对比6像具有丰富的细节信息。该方法通过估计光照分量并且消除光照分量的影响来增强图像，[0005]本发明的目的是提供一种基于多策略改进麻雀搜索的图像增强优化方法解决现7[0028]S26、合并混沌映射后种群Xc和反向解种群X:,将合并后的麻雀个体适应度值进[0044]其中，X"?表示在第n+1次迭代、第n次迭代时第c只麻雀个体在搜索空间中的x:是在第n次迭代时麻雀种群中麻雀个体最差的位置；是在第n次迭代时在麻雀8解进行领域搜索得到最优解的领域值X":[0048]最后将得到的最优解的领域值x"与最优解进行适应度值比较，选取适应度种群的排序，选取适应度值最高的麻雀个体进行柯西高斯变异得到适应度值最高的麻)是当前麻雀个体的适应度值；[0052]再次进行适应度值的计算，比较适应度值最高的麻雀个体和适应度值最高的麻雀个体突变后的位置最后选择最好的位置进入下BiGAb(x)为用于抑制亮区域的凹函数，Bic4,()=1-(1-⃞,9[0057]图1是本发明实施例基于多策略改进麻雀搜索的图像增强优化方法的流程示意英混沌反向学习策略并将其引入麻雀种群初始化。通过精英化思想将混沌解和反向解组x:是在第n次迭代时麻雀种群中麻雀个体最差的位置；是在第n次迭代时在麻雀[0099]针对在SSA中跟随者的位置更新主要受发现者的引导，这样容易使得寻优效果粗解进行领域搜索得到最优解的领域值X":[0103]最后将得到的最优解的领域值x?"与最优解x:进行适应度值比较，选取适应度[0104]步骤S63中，通过引入自适应局部搜索，以发现者的位置为最优位置进行局部搜种群的排序，选取适应度值最高的麻雀个体进行柯西高斯变异得到适应度值最高的麻)是当前麻雀个体的适应度值；[0109]再次进行适应度值的计算，比较适应度值最高的麻雀个体和适应度值最高的麻雀个体突变后的位置最后选择最好的位置进入下个用于控制图像增强程度的可调变量且通常情况[0116]在使用双伽马函数校正图像时，先通过下式对图像的像素灰度值进行归一化处2后麻雀就会根据适应度函数寻找最佳的γ值来提高图像的[0118]该种基于多策略改进麻雀搜索的图像增强优化方法，能改进优化传统的麻雀搜索算法(SSA)，引入精英混沌反向学习策略来增加麻雀初始种群的增强后的图像与实施例的MISSA增强后所得到的图2的(e)进行比较。图2的(b)中的图像整低照度图像的图像增强度量指标数据如表1[0137]从表1_4中可以看出，对不同算法进行的低照度图像增强的客观评价结果进行了高出10这说明实施例提出的方法对图像细节的处理比较清晰。在SF和AG上对不同算法[0139]该种基于多策