[发明专利]基于自适应学习粒子群优化的列车车轮踏面图像增强方法

权利要求书

1.基于自适应学习粒子群优化的列车车轮踏面图像增强方法，其特征在于，使用粒子群优化算法选择的自适应伽马校正因子对列车车轮踏面图像进行增强处理；包括以下步骤：

步骤1 输入车轮踏面图像；

步骤2 初始化种群和参数；初始化种群个数N、粒子位置x和速度v、惯性权重ω、学习因子c1a、c1b、c2a、c2b、最大迭代数tmax；

步骤3 对输入原始图像进行伽马校正；

步骤4 评价粒子；分别计算熵值H和边缘内容S，计算灰度标准方差Std；计算客观评价函数fitness；

步骤5 更新粒子最优值；若更新后适应度值大于原来个体最优值pbest，则将该粒子位置作为个体最优pbest，若更新后粒子适应度值大于原来全局最优值gbest，则将该粒子位置作为全局最优值gbest；

步骤6 判断是否达到迭代停止条件，若未达到，则更新学习因子c1、c2的值，更新每个粒子的速度与位置，跳转到步骤3；若满足迭代停止条件，退出循环；

步骤7 使用迭代中存储下来的最优伽马值gbest增强图像。

2.根据权利要求1所述的图像增强方法，其特征在于：使用粒子群优化选择的自适应伽马校正因子来改善熵值并增强列车车轮踏面图像的细节，通过优化的粒子群算法找出增强列车车轮踏面图像的最佳伽马值，一组粒子值即伽马值被定义为N个粒子:γ＝{γ₁，γ₂，…，γ_N}。

3.根据权利要求1所述的图像增强方法，其特征在于，所述步骤3：

伽马校正的基本公式为：

式中:l∈[0,l_max]，表示输入图像实际灰度值；T(l)表示输出图像实际灰度值；lmax表示输入图像灰度最大值；校正参数γ控制图像拉伸程度，不同γ将产生不同的拉伸效果。γ＝1，意味着输入图像的真实再现；γ＜1，增强的图像将比原始图像更亮；γ＞1，增强的图像将比原始图像更暗。

4.根据权利要求1所述的图像增强方法，其特征在于，所述步骤4：将灰度标准方差Std融入评价函数，边缘内容S、熵值H和灰度标准方差Std被用作每个粒子的目标函数，客观评价函数是三种性能测度的综合，即熵值H、边缘内容S和灰度标准方差Std；

客观评价函数fitness为:

f_itness＝α₁H+α₂S+α₃Std

式中:f_itness为粒子适应度值；α₁、α₂和α₃为常数，代表目标函数的相对重要性；将熵值H、边缘内容S和灰度标准方差Std等同取值，即α₁＝α₂＝α₃＝1/3；

熵值H定义如下:

其中p(i)代表增强图像灰度值为i的像素所占的比例；

边缘内容S代表由Canny边缘检测算子计算的测试图像的边缘内容，定义如下:

其中n_edges(E)表示由Canny边缘检测算子检测到的增强图像中的边缘像素的数量；T表示增强图像中的像素总数。