[发明专利]一种基于鲸鱼优化算法的图像自适应增强方法

权利要求书

1.一种基于鲸鱼优化算法的图像自适应增强方法，其特征在于，该方法包括如下步骤：

步骤1：输入待增强的图像S，统计图像的直方图信息；

步骤2：对待增强的图像S进行归一化处理；

步骤3：利用鲸鱼优化算法取得非完全Beta函数的最优参数组合；

步骤4：根据得到的最优参数组合对图像进行增强操作；

步骤5：对增强之后的图像进行反归一化处理；

步骤6：输出增强后的图像。

2.根据权利要求1所述的一种基于鲸鱼优化算法的图像自适应增强方法，其特征在于，所述步骤2中对待增强的图像S进行归一化处理，具体公式如下：

其中，S(i,j)表示图像在(i,j)处的像素值，S_min表示图像S中像素的最小值，S_max表示图像S中像素的最大值，S'(i,j)表示归一化处理后图像在(i,j)处的像素值。

3.根据权利要求1所述的一种基于鲸鱼优化算法的图像自适应增强方法，其特征在于，所述步骤3利用鲸鱼优化算法取得非完全Beta函数的最优参数组合，具体步骤如下：

步骤3.1：初始化鲸鱼优化算法所需的参数以及N个鲸鱼的位置，这样得到算法的初始种群。需要进行初始化的参数包括鲸鱼群的个数大小N，最大循环次数T_max，对数螺旋形状常数b，当前迭代次数t，全局最优位置X^*。

步骤3.2：鲸鱼优化算法需要适应度函数指导才能够逐渐找到最优解，适应度值是对鲸鱼种群里每个个体优劣的评估，适应度值越大，表明鲸鱼个体的位置越好，即要寻找的参数组合效果越好。具体计算适应度值的过程如下：

步骤3.2.1：每个鲸鱼个体的二维空间位置就对应一组非完全Beta函数的参数即α和β，根据参数值进行非完全Beta函数变换，该函数定义如下：

其中标准的Beta函数B(α,β)计算如下：

步骤3.2.2：对变换后的图像进行反归一化处理，其采用的公式为

S”(i,j)＝(S'_max-S'_min)S'(i,j)+S'_min

式中，S'_max和S'_min分别为变换后图像的最大和最小灰度值，对于8位灰度图像，S'_max＝255，S'_min＝0，S'(i,j)是指采用归一化的非完全Beta函数增强后像素点(i,j)的灰度值，S”(i,j)为进行反归一化后像素点(i,j)的灰度值。

步骤3.2.2：将图像质量评价函数作为适应度函数，利用适应度评价函数计算得到每组候选的参数组合的适应度值。适应度函数f(X)设置如下：

其中，M和N表示图像的长和宽，n＝M×N。

步骤3.3：计算系数向量A和C。

计算系数向量A的计算公式为：

A＝2a×r-a

其中，M为最大迭代次数，r为取值范围在[0,1]之间的随机向量。

系数向量C的计算公式为：

C＝2r

其中，r为随机向量，取值范围为[0,1]。

步骤3.4：生成随机数p，p∈[0,1]。更新鲸鱼群的方式如下：

当p＜0.5时，若A＜1，更新当前鲸群个体的空间位置的公式为：

X_t+1＝X_t-A×D

其中，t为当前的迭代次数，X_t为当前鲸群个体空间位置，A和C为系数向量，为当前鲸群个体最佳空间位置。

当p＜0.5时，若A≥1，则从当前群体中随机选择鲸群个体位置X_rand，并更新当前鲸群个体的空间位置。更新当前鲸群个体的空间位置公式为：

X＝X_rand-A×D

D＝|C×X_rand,t-X_t|

其中，X_rand为当前鲸群中随机选择的位置，即随机鲸群个体。X_t为当前鲸群个体空间位置，A和C为系数向量。

当p≥0.5时，更新当前鲸群个体的空间位置公式为：

其中，D′为鲸群第i头鲸目前最佳位置到猎物之间的距离，b为定义的对数螺旋形状常数，l为[-1,1]之间的随机数，X_t为当前鲸群个体空间位置，为当前鲸群个体最佳空间位置。

步骤3.5：对于已经更新空间位置的鲸鱼群个体计算其适应度值。

步骤3.6：通过比较更新前后鲸群的位置向量对应的适应度函数值，确定下一代鲸群的位置。更新规则为，若更新后的鲸群的位置向量对应的适应度函数值高于更新前，则替换原先的鲸群；否则，保留更新前的鲸群。

步骤3.7：记录全局最好的位置X*以及其适应度值f_best

步骤3.8：判断是否满足终止条件，即是否达到最大迭代次数，若是，则输出最优鲸鱼群个体的位置，即最优参数组合；若否，则回转执行所述步骤3.3。