论文摘要
群体智能算法在图像处理、图像分析和图像理解等许多地方有广泛的应用,图像增强是一种非常重要的图像处理技术,能够使图像的质量得到改善或者突出有用的图像特征,该文研究了GA、PSO、QPSO等智能优化算法在图像增强中的应用。首先,在研究主要的图像增强算法和智能优化算法的基础上,查阅相关资料,分析图像增强已经使用的各种算法的优缺点,将图像增强问题作为最优化问题来明确地表示,首次将QPSO算法成功地用于解决图像增强问题,仿真结果表明了QPSO算法优于PSO、GA算法,QPSO算法不仅参数个数少,随机性强,并且能覆盖所有解空间,保证算法的全局收敛。其次,在研究灰度图像增强技术中,使用一种新的目标函数评价算法的性能,将新的适应度函数结合智能优化算法进行图像增强。使用此方法可以自动地找出降质图像归一化的非完全β函数的最优参数值,对原始图像降质类型进行正确的推理,仿真结果证明降质图像在增强后视觉效果有较大提高。并首次将QPSO算法成功地用于灰度图像增强问题上,仿真结果证明所提出的方法在自动拟合灰度的广义变换上有很好的性能,图像增强效果显著。在研究彩色图像增强技术中,将在RGB空间表示的降质图像转换到与人类视觉系统特性相适应的HIS颜色空间进行增强,提出了应用于亮度I分量的新的目标函数,采用均匀化的S,色调成分H在HIS颜色空间中保持不变,仿真结果显示增强所得的图像具有很好的视觉效果。最后,在QPSO算法中收缩-扩张系数对于QPSO中的单个粒子的收敛来说是一个至关重要的参数。使用适应性机制,将适应性的基于量子行为的微粒群优化算法(AQPSO)应用于图像增强过程。适应性方法比较接近于高水平智能群体的社会有机体的学习过程,能保证种群不断地进化,稳定性强,仿真结果证明AQPSO算法在图像增强算法中有很好的性能。