[发明专利]一种改进自适应智能算法的钢箱梁纹检测的图像增强方法

说明书

本发明公开了一种改进自适应智能算法的钢箱梁纹检测的图像增强方法，属于钢箱梁纹检测技术领域，具体包括以下步骤：虎甲虫算法设计：TBO算法设计满足如下理想规则，猎物在虎甲虫附近随机游走，从而实现可行解空间的搜索；在这过程中，通过虎甲虫和精英虎甲虫的位置，来保证算法的寻优能力；猎物搜索到更优的解时，虎甲虫的位置被猎物所替换，再根据当前虎甲虫的适应度值决定是否替换精英虎甲虫，从而实现近似最优解的更新过程；根据理想规则，虎甲虫算法初始参数：accumulation表示猎物群体随机游走的路径之和。本发明根据虎甲虫捕食的习性，提出虎甲虫算法(Tiger Beetle Optimization,TBO),并在此基础上加以改进，增加该算法的自适应性，弥补了当前图像增强领域的缺陷。

技术领域

本发明属于钢箱梁纹检测技术领域，尤其涉及一种改进自适应智能算法的钢箱梁纹检测的图像增强方法。

背景技术

图像增强是图像处理的重要环节，它能够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突出需要的特征，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，从而改善图像质量，然而现有技术中存在裂纹图像的增强领域的图像对比度弱，裂纹图像细微缺失的问题。

发明内容

本发明的目的在于：解决了裂纹图像的增强领域的图像对比度弱，裂纹图像细微缺失问题，为后续的钢箱梁裂纹图像增强的研究提供新的思路。

为了实现上述目的，本发明采用了如下技术方案：

一种改进自适应智能算法的钢箱梁纹检测的图像增强方法，具体包括以下步骤：

S1、虎甲虫算法设计：TBO算法设计满足如下理想规则，猎物在虎甲虫附近随机游走，从而实现可行解空间的搜索；

S2、在这过程中，通过虎甲虫和精英虎甲虫的位置，来保证算法的寻优能力；

S3、猎物搜索到更优的解时，虎甲虫的位置被猎物所替换，再根据当前虎甲虫的适应度值决定是否替换精英虎甲虫，从而实现近似最优解的更新过程；

S4、根据理想规则，虎甲虫算法初始参数：accumulation表示猎物群体随机游走的路径之和，q表示当前迭代次数，Qmax表示最大迭代次数，r(t)代表随机函数，猎物随机游走的数学模型为：

X(t)＝[0,accumulation(2r(q₁)-1),accumulation(2r(q₂)-1),...,accumulation(2r(q_Qmax)-1)]；

S5、自适应的虎甲虫算法设计：ATBO算法针对TBO算法缺少自适应性和算法精度后期会降低的问题进行了改进，对惯性权重进行了正弦调整；

S6、提出了随机扰动入侵杂草策略，提出了局部搜索策略，一定程度上可提升算法性能；

S7、ATBO算法用于图像增强的流程图，具体步骤如下；

S701、输入待增强钢箱梁表面裂纹图像；

S702、设置IALO算法的参数，如：种群规模N，最大迭代次数Qmax；

S703、初始化虎甲虫和猎物位置，转换图像后计算适应度值，从而确定精英虎甲虫；

S704、进入循环，更新正弦调整的惯性权重值；

S705、采用轮盘赌方式选择虎甲虫，不断更新猎物的位置；

S706、如果猎物适应度值优于虎甲虫的适应度值，则对虎甲虫进行替换；

S707、如果某个虎甲虫的适应度值优于精英虎甲虫，则更新精英虎甲虫；