[發明專利]一種基于混沌麻雀搜索算法的煤巖分界圖像增強方法

有效

• 申請號: 202110734711.1
• 申請日: 2021-06-30
• 公開（公告）號: CN113344828B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 田慕玲;楊宇博;許春雨;李哲華;李倩倩
• 申請（專利權）人: 太原理工大學
• 主分類號: G06T5/40
• 分類號: G06T5/40;G06N3/006
• 代理公司: 太原倍智知識產權代理事務所(普通合伙) 14111
• 代理人: 戎文華

1.一種基于混沌麻雀搜索算法的煤巖分界圖像增強方法，其特征在于：所述圖像增強方法是按下列步驟進行的：

（1）輸入待增強原始煤巖分界圖像S，并進行灰度化處理，圖像中f(i,j)表示原始圖像在像素點(i,j)處的灰度值，讀取原始圖像各個像素點的灰度值，統計各個灰度級k；k值范圍為0-255；k出現的次數為L(k),得到原始圖像的灰度直方圖；

（2）利用已經獲得圖像的灰度直方圖，對于k從0到255，掃描L(k),得到原始圖像的最大灰度值L_max和最小灰度值L_min,對原始圖片每個像素點的灰度值歸一化處理記為I’,將圖像的灰度值變換到[0,1]區間；

（3）采用自定義的圖像質量評價函數作為原圖像增強后的適應度評價函數，將歸一化的圖像灰度值代入歸一化的非完全Beta函數中，并利用圖像質量評價函數和混沌麻雀搜索算法求得歸一化的非完全Beta函數最優α、β參數，自定義的圖像質量評價函數為：

；

；

；

其中，E_I是圖像的信息熵，反映了圖像內容的復雜程度；V_I是圖像的方差，反映了圖像對比度的大小；a為信息熵E_I的權重系數；b為方差V_I的權重系數；M為原始圖像的寬度，N為原始圖像的高度；p_i為第i級灰度出現的概率；i_xy為像素點(x,?y)的像素值；n為圖像像素的總數；

非完全Beta函數F(u)的定義為：

；

其中，u為原始圖像灰度，F(u)為灰度變換后圖像；α、β的取值范圍為[0,10]，B(α,β)為Beta函數；Beta函數的定義如下：

；

（4）利用步驟3中求得的最優α、β參數和Beta函數組合構造變換曲線F(u)；利用F(u)對圖像進行非線性增強，變換公式如下：

；

式中，g(x,y)為歸一化圖像的灰度，g'(x,y)為增強后的圖像；

（5）對歸一化增強變換后的圖像g'(x,y)進行反變換處理，得到輸出圖像f'(x,y)，所用公式為：

；

（6）輸出增強后的煤巖分界圖像S’；

所述步驟（2）中將原始圖像進行歸一化處理所用的公式為：

；

式中，g(x,y)表示歸一化圖像在像素點(x,y)處的灰度；f(x,y)為原圖像在像素點(x,y)處的灰度；L_max和L_min是原圖的最大和最小灰度值；

所述步驟（3）包含如下步驟：

（1）讀入圖像的灰度直方圖，利用Tent混沌初始化麻雀種群，并定義麻雀搜索算法相關參數；參數包括麻雀種群規模N、發現者個數?pNum和偵察者個數sNum、最大迭代次數T、預警值R2；

（2）麻雀搜索算法中麻雀個體初始空間位置就是相應的初始α、β參數組合，利用定義的圖像質量評價函數計算麻雀種群個體適應度，并對適應度進行排序，找到當前最佳適應度f_g和其所對應的位置x_b，以及當前最差適應度f_w和其對應的位置x_w；

（3）通過麻雀搜索算法中發現者、跟隨者以及偵察者的位置更新公式更新麻雀種群的位置，如果得到的新位置優于舊位置，則更新舊位置；

（4）重新計算每只麻雀個體的適應度值，并對適應度進行排序，并對適應度較低的后10%個體進行Tent混沌擾動；

（5）根據麻雀種群當前的狀態，更新整個種群最優適應度和其對應位置以及最差適應度和其對應位置；

（6）判斷迭代次數是否已達到最大迭代次數T，若滿足，執行步驟（7），否則，執行步驟（3）；

（7）輸出麻雀種群全局最優位置和其所對應的最優α、β參數，結束迭代過程，進入步驟4。