[发明专利]一种基于鲸鱼优化算法的图像自适应增强方法

说明书

本发明公开了一种基于鲸鱼优化算法的图像自适应增强方法。方法包括：利用鲸鱼优化算法进行搜索得到最佳非完全Beta函数的参数组合对图像进行增强处理。本发明将使用基于鲸鱼优化算法的图像自适应增强，实现了快速的非完全Beta函数的参数组合寻优，使图像增强有更高的效率且图像增强效果良好，是一种有实际应用价值的新方法。

技术领域

本发明属于图像处理领域，具体是涉及一种基于鲸鱼优化算法的图像自适应增强方法。

背景技术

图像增强作为图像处理的重要内容之一，主要是根据图像的特征和存在的问题，采用加强图像特征和对图像进行改良的方法，达到改善图像的视觉效果的目的，为进一步的图像分析工作提供质量保证。

经过大量的实验证明，图像在获取和传输等过程中，图像的品质会下降，为了增强图像，常采用灰度变换的方法。由于传统的图像增强方法往往需要人工干预，自动化低，需要消耗大量的计算时间，难以满足大批图像增强自动化和实时性的要求，这就提出了自适应图像增强的方法。

鲸鱼优化算法(whale optimization algorithm,WOA)是一种新的优化算法，该算法是受座头鲸捕食行为的启发，提出一种基于自然灵感的新型启发式算法。鲸鱼优化算法模仿座头鲸利用“螺旋气泡网冶策略,并通过收缩包围、螺旋式位置更新及随机捕猎机制进行觅食,具有结构简单、调节参数少、收敛速度快及全局寻优能力强等特点。因此，利用鲸鱼优化算法较快的收敛速度以及较好的搜索能力来寻找全局最优解是一种很好的应用方法。

发明内容

鲸鱼优化算法是一种启发式的优化算法，全局寻优能力很突出，为了解决自适应的寻找非完全Beta函数最优参数组合的问题，本发明提出了一种基于鲸鱼优化算法的图像自适应增强方法。

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，该方法包括以下步骤：

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。

本发明的有益效果是：传统的利用非完全Beta函数对图像进行增强处理时，对于非完全Beta函数参数的选取很大程度上是根据经验进行取值的，而且增强效果不是很好；通过鲸鱼优化算法进行参数寻优，采用小种群规模，具有简单的算法框架和较少的参数控制，提高了算法效率且避免陷入局部最优，提高了鲁棒性和算法性能。

附图说明

图1：基本流程图；

图2：本发明实例的流程图；

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，需要说明的是非完全Beta函数和鲸鱼优化算法是已有技术，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1及图2所示，本发明所采用的技术方案是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，包括以下步骤：

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，具体公式如下：