[发明专利]奇异值分解和天牛须寻优算法的灰度图像自适应增强方法

权利要求书

1.一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法，其特征在于步骤包括：

步骤一、将输入的原始图像使用全局直方图均衡化进行处理，获得直方图均衡图像；

步骤二、将直方图均衡图像和原始图像均进行一次离散小波变换，各自得到四个小波子带LL、LH、HL、HH和LL'、LH'、HL'、HH'，其中LL、LH、HL、HH分别表示直方图均衡图像的小波子带中的低频子带、水平高频子带、垂直高频子带、对角高频子带；LL'、LH'、HL'、HH'分别表示原始图像的小波子带中的低频子带、水平高频子带、垂直高频子带、对角高频子带；

步骤三、对直方图均衡图像的四个小波子带LL、LH、HL、HH分别使用天牛须寻优算法处理并变换获得最优变换后的小波子带

步骤三具体为：

3.1)建立以下公式表示的软阈值函数曲线族，使用软阈值函数曲线族实现二维离散小波子带的阈值处理：

其中，X_i,j为小波子带的矩阵形式，i表示矩阵的行序数，j表示矩阵的列序数；h(X_i,j,thr,k,m)为变换后的小波子带的矩阵形式，thr、k、m分别为软阈值函数曲线族的阈值参数、比例调节参数和指数调节参数，三者共同决定了软阈值函数曲线族中的函数曲线形状；sign(X_i,j)表示符号函数；

3.2)建立调节参数thr、k、m的求解空间和适应度函数，以适应度函数最小为目标，针对三个调节参数使用天牛须寻优算法在参数的求解空间内求解，获得最优调节参数；

3.3)以最优调节参数重复步骤4.1)对均衡图像的四个小波子带LL、LH、HL、HH分别进行计算获得最优变换后的小波子带

步骤四、对经过最优变换后的低频子带和原始图像的低频子带LL'进行奇异值分解，得到各自的对角阵奇异值矩阵和对角阵奇异值矩阵∑_LL'；

步骤五、利用对角阵奇异值矩阵和对角阵奇异值矩阵∑_LL'在对角线上的最大奇异值，求出灰度修正系数ξ：

步骤六、使用灰度修正系数ξ对最优参数变换后的低频子带的奇异值矩阵进行灰度修正，使用反奇异值分解求取灰度修正后的小波子带

步骤七、使用灰度修正后的小波子带和最优变换后的水平高频子带、垂直高频子带、对角高频子带进行离散小波逆变换得到增强细节的图像

2.根据权利要求1所述的一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法，其特征在于：所述的原始图像为灰度图像。

3.根据权利要求1所述的一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法，其特征在于：所述的步骤三是对均衡图像的四个小波子带LL,LH,HL,HH分别使用天牛须寻优算法，求解软阈值函数的最优调节参数，使用最优调节参数的软阈值函数对四个小波子带LL、LH、HL、HH进行变换处理，得到最优变换后的小波子带