[发明专利]基于混沌和声搜索的图像增强方法、介质及装置

权利要求书

1.一种基于混沌和声搜索的图像增强方法，其特征在于，所述方法包括基于和声搜索算法对目标图像进行图像增强，具体为：

步骤S1：随机生成初始和声库，然后计算和声库中每个个体的适应值，其中，所述个体为包含非完全Beta函数的参数α和β的编码信息；

步骤S2：采用Logistic混沌映射算法生成混沌权值，并依据所生成的混沌权值执行混沌搜索，得到一个新个体；其中，“依据所生成的混沌权值执行混沌搜索，得到一个新个体”的步骤具体包括：

步骤S211：设置计数值kj的初值为1；

步骤S212：判断计数值kj是否大于预设的优化参数个数D，若是则转到步骤S3，若否则转到步骤S213；

步骤S213：在预设的第三数值区间内生成两个不相等的第四随机数NI和第五随机数NK；

步骤S214：在预设的第一数值区间内生成第六随机数THR；

步骤S215：判断所述第六随机数THR是否小于预设库取概率HMCR，若是则转到步骤S216，若否则转到步骤S224；

步骤S216：选取所述和声库中个体编号为所述第四随机数NI的个体中第kj个维度的值并将其赋值给新个体U^t中第kj个维度的值其中，所述t为当前迭代次数；

步骤S217：在所述预设的第一数值区间内生成第七随机数TPK；

步骤S218：判断所述第七随机数TPK是否小于预设扰动概率PAR，若是则转到步骤S219，若否则转到步骤S226；

步骤S219：在预设的第四数值区间内生成第八随机数TPN；

步骤S220：选取所述和声库中前TPN个优秀个体，并计算所选取优秀个体的平均值TPM；

步骤S221：按照下式所示的方法计算精英采样值EV：

其中，所述为和声库中最优个体Best^t的第kj个维度的值；所述为和声库中个体编号为所述第五随机数NK的个体中第kj个维度的值；所述rand表示随机函数；

步骤S222：依据所计算的精英采样值EV，并按照下式所示的方法对所述新个体U^t中第kj个维度的值重新赋值：

其中，所述TPM_kj为平均值TPM中第kj个维度的值，所述SR为搜索因子，所述为和声库中个体编号为所述第四随机数NI的个体中第kj个维度的值；所述LG为混沌权值；

步骤S223：转到步骤S226；

步骤S224：按照下式所示的方法计算随机采样值RV：

RV＝XL_kj+rand(0,1)×(XU_kj-XL_kj)

其中，所述XL_kj为第kj个优化参数值的下界，所述XU_kj为第kj个优化参数值的上界；

步骤S225：依据所计算的随机采样值RV，并按照下式所示的方法对新个体U^t中第kj个维度的值赋值：

步骤S226：更新所述计数值kj＝kj+1，并转到步骤S212；

步骤S3：计算所述新个体的适应值，并依据所计算的适应值与所述和声库中每个个体的适应值对所述和声库进行更新；

步骤S4：获取所述更新后的和声库中的最优个体，然后判断是否满足终止条件，若不满足，则转到步骤S2，否则转到步骤S5；

步骤S5：对所述最优个体进行解码得到非完全Beta函数的参数α和β，并利用所述非完全Beta函数对所述目标图像进行非线性变换，得到增强后的目标图像。