[发明专利]应用高斯反向和声搜索的图像增强方法

摘要

本发明公开了一种应用高斯反向和声搜索的图像增强方法。本发明采用高斯反向和声搜索算法来优化非完全Beta函数的α和β参数，然后利用优化得到的非完全Beta函数对图像进行非线性变换以增强图像的质量。在高斯反向和声搜索中，将和声库的均值信息融合到高斯变异算子中，并以一定的概率执行反向学习操作加快算法的收敛速度，提高图像增强的效果。本发明能够在一定程度上加快图像增强的速度，提高图像增强的效果。

主权项

一种应用高斯反向和声搜索的图像增强方法，其特征在于，包括以下步骤：步骤1，输入一幅数字图像IMG；步骤2，用户设置和声库的大小HMS，选取概率HMCR，扰动概率PAR，最大评价次数MAX_FEs；步骤3，令优化参数个数D＝2，然后设置D个优化参数的下界Lxj与上界Uxj，其中维度下标j＝1,2；步骤4，令当前演化代数t＝0，当前评价次数FEs＝0；步骤5，随机产生初始和声库其中个体下标i＝1,2,...,HMS；并且为种群Pt中的第i个个体；个体存储了非完全Beta函数的α和β参数；步骤6，计算和声库Pt中每个个体的适应值；步骤7，令当前评价次数FEs＝FEs+HMS；步骤8，保存和声库Pt中的最优个体Bestt；步骤9，执行高斯反向操作产生一个新个体Vt，具体步骤如下：步骤9.1，令计数器mj＝1；步骤9.2，如果计数器mj小于或等于D，则转到步骤9.3，否则转到步骤10；步骤9.3，按公式(1)计算和声库中第mj维的均值BMeanmjt=Σi=1HMSBi,mjtHMS---(1)]]>步骤9.4，在[0,1]之间产生一个随机实数GR；步骤9.5，如果GR小于HMCR，则转到步骤9.6，否则转到步骤9.18；步骤9.6，在[1,HMS]之间随机产生两个不相等的正整数LR1和LR2；步骤9.7，令步骤9.8，在[0,1]之间随机产生一个实数PTR；步骤9.9，如果PTR小于PAR，则转到步骤9.10，否则转到步骤9.22；步骤9.10，在[0,1]之间随机产生一个实数TML；步骤9.11，如果TML小于0.5，则转到步骤9.12，否则转到步骤9.14；步骤9.12，按公式(2)计算高斯均值imu和高斯标准差isd：imu=Bestmjt+BMeanmjt2isd=|Bestmjt-BMeanmjt|---(2)]]>步骤9.13，令其中NormRand表示高斯随机数产生函数，然后转到步骤9.22；步骤9.14，按公式(3)计算和声库中第mj维的搜索下界与搜索上界LOBmjt=min(Bi,mjt)UOBmjt=max(Bi,mjt)---(3)]]>其中个体下标i＝1,2,...,HMS；min为取最小值函数；max为取最大值函数；步骤9.15，令反向值其中rand为随机实数产生函数；步骤9.16，令采样值并在[0,1]之间产生一个随机实数GW；步骤9.17，令然后转到步骤9.22；步骤9.18，在[1,HMS]之间随机产生一个正整数LR3；步骤9.19，令随机值RV＝Lxmj+rand(0,1)×(Uxmj‑Lxmj)，其中rand为随机实数产生函数；步骤9.20，令定向值步骤9.21，令其中权值CW为[0,1]之间的随机实数；步骤9.22，令计数器mj＝mj+1，转到步骤9.2；步骤10，计算个体Vt的适应值；步骤11，找出和声库Pt中的最差个体并将其记为BWorstt；步骤12，如果个体Vt优于BWorstt，则利用个体Vt替换BWorstt，否则保持BWorstt不变；步骤13，令当前评价次数FEs＝FEs+1；步骤14，令当前演化代数t＝t+1；步骤15，保存和声库Pt中的最优个体Best t；步骤16，重复步骤9至步骤15，直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为非完全Beta函数的α和β参数，并利用以α和β为参数的非完全Beta函数对图像IMG进行非线性变换，即可得到增强的图像。