一种新的增强布谷鸟搜索算法用于灰度图像的对比度增强

本文链接：https://blog.csdn.net/qq_45088122/article/details/132051456

文章提出了一种新的增强布谷鸟搜索(ECS)算法，通过优化局部/全局变换(LGE)参数实现图像对比度增强。此外，对局部/全局增强(LGE)变换中需要优化的参数提出了新的搜索空间范围。

图像的对比度增强： 通过增加图像的动态强度范围来突出图像的细节。图像的对比度揭示了图像中物体和背景之间灰度值的差异。

对比度增强的方法：

基于非线性函数的灰度变换，如对数、幂律、伽马函数；
基于直方图的技术；
非线性二次滤波；
基于频率域的方法，如同态滤波。
基于进化计算的优化算法，自动化对比度增强任务。用于找到最佳参数设置或最佳输入/输出映射，从而产生最佳质量的图像。

布谷鸟搜索算法（CS）： 布谷鸟将蛋产在另一只鸟的巢中作为繁殖策略。寄主鸟有可能发现布谷鸟的蛋，可能性称之为放弃概率。发现后寄主鸟建立新的巢穴或者扔掉蛋。CS算法是一个迭代过程，布谷鸟一次下一个蛋，其搜索的目的是用新的更好的蛋替换原来的巢穴的蛋(解)，布谷鸟蛋找到能成功在其他鸟巢成功孵化这个过程就是寻优过程。
CS算法比GA和PSO等算法效率更高，因为CS算法使用的是lsamvy飞行随机行走而不是各向同性随机行走，并且只需要调整一个参数，即放弃概率Pa。

局部/全局增强(LGE)变换： 使用了图像的局部统计信息，如均值、方差和全局图像信息。在位置(u, v)处对大小为M × N的图像的每个像素进行T.LGE变换，将旧的强度f (u, v)映射为新的强度值g(u, v)。
在这里插入图片描述
f(u,v)像素，o(u,v)标准差，m(u,v)均值，Gm全局均值

变换T.LGE有4个未知参数(a, b, c, k)这些参数会在处理后的图像中产生较大的变化，不同的作者给出的这些参数的搜索范围不同，影响了增强图像的质量。

全局增强变换： T.GE是一个映射函数，它可以表示为一个查找表，有L个位置包含图像灰度值，其中使用优化算法获得最优值。在原始图像中，图像的最低灰度值为8，图像的最高灰度值为230。GE中的第一步是设置g1 = 0, g10 = 255。其余的灰度值使用优化算法获得，例如GA, CS或ECS。
在这里插入图片描述
目标函数： 为了在没有外界干预的情况下自动测量增强图像的质量，需要一个目标函数。

H(Ie)和E(Ie)分别为增强图像Ie的熵和边缘强度之和。