[发明专利]基于改进多元宇宙优化算法的医疗图像自适应增强方法

说明书

本发明提供一种基于改进多元宇宙优化算法的医疗图像自适应增强方法，采用非完全Beta函数对归一化处理后的图像进行增强处理，得到增强图像；进行反归一化处理，得到增强后的输出图像，以图像的方差作为适应度值评价输出图像的图像质量；初始化一个多元宇宙种群，所述多元宇宙种群中每个宇宙个体的二维空间位置对应所述非完全Beta函数的一个参数组合(α、β)；采用多元宇宙算法和灰狼算法结合对多元宇宙种群进行位置更新，然后继续采用多元宇宙优化算法输出非完全Beta函数的最优参数组合(α、β)；将最优参数组合(α、β)代入到所述非完全Beta函数中进行图像增强操作。本发明具备较强的局部探索能力，可以快速提升收敛速度，提升最优解精度。

【技术领域】

本发明涉及图像增强技术领域，具体涉及一种基于改进多元宇宙优化算法的医疗图像自适应增强方法。

【背景技术】

图像增强，指的是有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

相关技术中，通常采用多元宇宙优化算法进行图像增强，其具有参数少，易于实现等优点，广泛应用于求解最优问题，但是它存在易陷入局部最优，收敛速度慢等问题。因此，实有必要提出一种基于改进的多元宇宙优化算法的医疗图像自适应增强方法以解决上述问题。

【发明内容】

本发明要解决的技术问题是在于提供一种基于改进多元宇宙优化算法的医疗图像自适应增强方法，具备较强的局部探索能力，可以快速提升收敛速度，提升最优解精度。

为实现上述目的，本发明的技术方案为：

一种基于改进多元宇宙优化算法的医疗图像自适应增强方法，包括如下步骤：

S1：将待增强的医疗图像作为输入图像，对所述输入图像进行归一化处理，然后采用非完全Beta函数对归一化处理后的图像进行增强处理，得到增强图像；

S2：对增强处理后的图像进行反归一化处理，得到增强后的输出图像，以图像的方差作为适应度值评价所述输出图像的图像质量；

S3：根据所述非完全Beta函数的变量上下界随机初始化一个多元宇宙种群，所述多元宇宙种群中每个宇宙个体的二维空间位置对应所述非完全Beta函数的一个参数组合(α、β)；

S4：对于每个宇宙个体产生一次随机数r1∈[0,1]，若r1＜0.5，则将该宇宙个体划分为第一宇宙种群，对所述第一宇宙种群中的宇宙个体采用多元宇宙优化算法进行位置更新；若r1≥0.5，则将该宇宙个体划分为第二宇宙种群，对所述第二宇宙种群中的宇宙个体采用灰狼算法进行位置更新；完成所述多元宇宙种群中所有宇宙个体的位置更新，对更新后的宇宙个体分别计算适应度值；

S5：给所述多元宇宙种群中的每个宇宙个体赋予一个标记K＝0，多次迭代；每次迭代时，若宇宙个体的适应度值没有更新，则重新赋予标记K＝K+1；若该宇宙个体的适应度值更新，则重新赋予标记K＝0；设定标记阈值K_T，如果宇宙个体的标记达到标记阈值K_T都没有获取到更好的适应度，则将该宇宙个体的位置进行如下更新：

式中，U(t+1)表示宇宙个体更新后的位置，U(t)表示宇宙个体更新前的位置，U_d和L_d为宇宙个体位置范围的上下界，r8是[0,1]范围内的随机向量；

S6：判断更新后的宇宙个体的位置是否超出灰度值边界，若宇宙个体的位置小于最小边界值，则将其位置赋值为最小边界值；若宇宙个体的位置大于最大边界值，则将其位置赋值为最大边界值；若未超出灰度值边界，则保留其实际的位置；