基于混合遺傳算法的圖像增強技術摘要：在圖像增強中，Tubbs提出了歸一不完全β函數(shù)表示常用的幾種使用的非線性變換函數(shù)對圖像進行研究增強。但是如何確定beta系數(shù)功能仍是一個問題。在圖像增強處理和利用遺傳算法快速算法的搜索能力進行適應編譯和搜索我們提出了一種混合遺傳微分進化算法。最后利用仿真實驗證明了該方法的有效性。關鍵詞：圖像增強，混合遺傳算法，自適應增強。介紹在圖像形成傳遞或轉(zhuǎn)換過程，由于其他客觀因素，如系統(tǒng)噪聲，不足或過度曝光，相對運動等的影響會使圖像通常與原圖之間有差別（簡稱退化）。退化圖像通常模糊或信息的提取，通過機器后減少甚至是錯誤的，它必須采取一些改進措施。圖像增強技術是在其目的是為了提高圖像的質(zhì)量這一意義上提出的。模糊圖像增強情況是根據(jù)圖像使用各種特殊技術集錦的一些信息圖像，減少或消除不相關的信息，來強調(diào)整體或局部特征的目標圖像。圖像增強方法仍沒有統(tǒng)一的理論，圖像增強技術可分三類：點運算，與空間頻率增強方法增強法。本文介紹了根據(jù)圖像特征自動調(diào)整自適應圖像增強法，成為混合遺傳算法。為了實現(xiàn)圖像的自適應增強它結(jié)合了差分進化自適應搜索算法，自動確定的參數(shù)值的變換函數(shù)。圖像增強技術圖像增強是圖像的某些特征，如輪廓，對比，強調(diào)或突出的邊緣等為了便于檢測和進一步的分析處理，增強將不會增加圖像中的信息數(shù)據(jù)，但會選擇適當?shù)膭討B(tài)范圍的功能的擴展，使得這些特點更容易檢測或確定，為后續(xù)的分析和處理的檢測打下良好的基礎。圖像增強方法包括點運算，空間濾波，頻域濾波類別。點運算包括對比度拉伸，直方圖建模，并限制噪聲和圖像減影技術?？臻g濾波包括低通濾波，中值濾波，高通濾波器（銳化）。頻率濾波器包括同態(tài)濾波，多尺度多分辨率圖像增強中的應用。差分進化算法差分進化首次提出了強硬的價值，并與其他進化算法進行比較，DE算法具有強大的空間搜索能力，易實現(xiàn)，容易理解。DE算法是一種新型的搜素算法，它首先是在搜索空間中隨機產(chǎn)生初始種群，然后計算之間的任何差異向量的兩個成員，不同的添加到向量的第三個成員，通過該方法，形成一個新的。如果你發(fā)現(xiàn)新的個體成員比原來的好，然后替換原來的個體，自我形成。DE操作作為遺傳算法一樣，它結(jié)論突變，交叉，選擇，但方法是不同的。我們假設組的大小是P，矢量維D，我們可以表達的目標向量為：Xi=[xi1,xi2,…,xiD](i=1,…P)變異向量可以表示為：V1=Xr1+F*(Xr2-Xr3)i=1,...PXr1,Xr2,Xr3是三個從群中隨機選擇的個人，其中，r1≠r2≠r3≠i。F是一系列的[0,2]之間的實際類型的用于控制影響的常數(shù)因子差異向量，通常被稱為比例因子。顯然，矢量之間的區(qū)別越小則干擾也越小，這意味著如果組接近最佳值，擾動會自動降低。DE算法的選擇操作是一個“貪婪”的選擇模式，當且僅當新的矢量Ui比目標向量Xi更好更健全，Ui將被保留到下一組，否則，目標向量Xi留在原來的組，再次作為下一代的父矢量。圖像增強圖像的混合遺傳算法增強是獲得快速對象檢測的基礎，因此有必要群選擇實時性能好的算法。對不同系統(tǒng)的實際要求，許多算法需要確定的參數(shù)和人工閾值。它可以使用一個非完全beta函數(shù)來完全覆蓋典型變換式的圖像增強，但確定beta函數(shù)參數(shù)仍有許多亟待解決的問題。本節(jié)介紹了一種beta功能，因為根據(jù)適用的圖像增強的方法，自適應混合遺傳算法的搜索能力，自動確定變換命令的參數(shù)值來實現(xiàn)圖像的自適應功能。圖像增強的目的是提高圖像質(zhì)量，是在指定的比較突出的特點恢復退化圖像細節(jié)等。一個共同的特征的退化圖像通常是對比的下冊呈明亮的，暗淡或灰色。低對比度退化圖像可拉伸達到一種動態(tài)的直方圖增強，如灰度變化。我們用lxy來說明點(x,y)的灰度級，它可由以下表示。Lxy=f(x,y)其中：“f”為一個線性或非線性函數(shù)。在一般情況下，灰圖像有四個非線性的表達，可以是圖一所示。我們采用歸一化的beta函數(shù)自動適應4類圖像增強轉(zhuǎn)變曲線。定義：其中對于不同的α，β值，我們可以從以上表達式中得到響應曲線。簡要弊端分析此種算法只是將對比下呈明亮的，暗淡或灰色的區(qū)域通過算法處理成對比度