基于人工蜂群优化的NSCT域图像模糊集增强方法

针对实际应用中所采集的图像对比度低、边缘细节模糊的问题,提出了基于非下采样Contourlet变换(NSCT)、模糊集、人工蜂群(ABC)优化的自适应图像增强方法.首先对输入图像进行NSCT分解,得到一个低频子带和多个高频子带;然后依据贝叶斯萎缩阈值和非线性增益函数增强高频子带系数,采用模糊增强法增强低频子带系数,并利用ABC算法优化其中的模糊参数,以提高模糊增强法的自适应性;接着用低频子带图像的信息熵作为ABC算法的适应度函数,同时引入较劣种群随机初始化策略改进ABC算法,以缩短增强方法的运行时间.文中采用该增强方法对淡水鱼、铁轨表面、储粮害虫3类图像进行了增强实验,并依据主观视觉效果和对比度增益、清晰度增益、信息熵3个客观定量评价指标,对文中方法及其他3种同类增强方法进行了比较.结果表明,所提出的方法视觉效果最佳,能提高图像的对比度和清晰度,目标边缘光滑,且增加了图像的信息量,便于后续准确地进行图像检测与识别.     

结合Contourlet与ACPSO的红外热波图像增强

针对无损检测红外热波图像对比度低、边缘模糊、含大量噪声的问题,提出了基于Contourlet变换和混沌变异双粒子群优化(adaptive chaotic variation particle swarm optimization,ACPSO)的自适应增强方法。红外热波图像经Contourlet变换分解成低通和带通方向子带。低通子带系数依据一种适应于人类视觉系统的灰度级变换调整,待定参数由ACPSO确定,为了得到最佳增强效果,适应度函数由一种对比度测量函数确定;带通方向子带系数的调整则采用非线性增益函数实现,从而抑制噪声并增强细节。大量红外热波图像增强实验结果表明,与现有的4种增强方法相比,能大大提高缺陷和背景之间的对比度,增强缺陷的边缘细节。进一步采用倒数熵多阈值分割方法时,能更有效地提取缺陷,为后续准确进行缺陷识别和尺寸测量奠定了基础。