找回密码
 注册
关于网站域名变更的通知
查看: 592|回复: 1
打印 上一主题 下一主题

基于matlab PSO寻优ACE算法之图像增强

[复制链接]

该用户从未签到

跳转到指定楼层
1#
发表于 2021-5-11 16:43 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

EDA365欢迎您登录!

您需要 登录 才可以下载或查看,没有帐号?注册

x

( I/ M% T0 b1 e+ ~0 ]一、简介
* x1 s! b$ `0 Y: M2 J3 M将ace增强后的图像信息熵与图像标准差的乘积作为目标函数, ace的增益因子a作为待寻优的变量;
; z2 r0 r+ s/ W  ^' H( j, ^1 r使用pso算法对ace的增益因子a进行寻优,并返回最优的增益因子;% U, Q7 Q4 ]: R! Y0 U; }3 u
将最优增益代入ace算法中,对图像进行增强;/ L7 p6 e5 G4 g) i" X2 v3 I
采用引导滤波对增强后的图像进行降噪,提高可视化效果;1 a0 R( n. i7 |, O6 _% |$ z
4 x$ ?* L+ B. }% Y& ?4 `

5 t3 t4 \) F" n二、源代码
/ C4 v; L  t0 R) w" x
1 F6 K. N' f5 J) H5 E4 m
  • %% PSO_ACE
  • % date: 2020_08
  • % Author: X
  • % function: 图像增强,(1) PSO优化ACE增益因子 (2) 引导滤波降噪
  • %% 初始化
  • addpath(genpath(pwd));
  • clear;
  • clc;
  • close all;
  • warning('off')
  • %% 定义全局变量
  • global meanimg stdimg I img
  • I = rgb2ycbcr(imread('test2.jpg'));% 将图片转换到ycbcr空间
  • img = double(I(:,:,1));
  • % 求局部均值
  • filter = fspecial('average',3);
  • meanimg = imfilter(img,filter);
  • % figure;imshow(meanimg/255,[]);
  • % 求局部标准差
  • stdimg = stdfilt(img);
  • % temp = stdfilt(img(:,:,1));
  • %% PSO 寻优
  • a_range=[0,1]; % 参数x变化范围(这里寻优的是ACE算法中的增益因子a)
  • range = [a_range];
  • Max_V = 0.2*(a_range(:,2)-a_range(:,1)); % 最大速度取变化范围的10%~20%
  • n=1; % 待优化函数的维数
  • psoparams = [10 200 10 2 2 0.8 0.2 1500 1e-25 200 NaN 0 0]; % 参数配置,详细查看pso工具箱使用文档
  • Bestarray = pso_Trelea_vectorized('obj_func', n, Max_V, range, 1, psoparams); % 调用PSO寻优,返回最优参数以及最优函数值
  • %% 输出增强后的图像(将获得增益因子代入ACE)
  • D = mean(meanimg(:));
  • c = Bestarray(1)*D./(stdimg);
  • c(c>10) = 3;
  • result = meanimg + c.*(img - meanimg);
  • MIN = min(min(result));
  • MAX = max(max(result));
  • result = (result - MIN)/(MAX - MIN);
  • result = adapthisteq(result);
  • I(:,:,1) = result*255;
  • result_img = ycbcr2rgb(I);
  • figure;imshow(result_img);
  • title('PSO\_ACE');
  • %% 引导滤波降噪
  • [r,c,b]=size(I);
  • x = reshape(result_img,[r*c b]);
  • x = compute_mapping(x,'PCA',1); % 对原图进行PCA降维
  • guidance = reshape(x, r, c)/255; % 获得引导图像
  • result_img = double(result_img)/255;
  • r = 5; % 滤波半径
  • eps = 0.005; % 滤波正则化参数
  • for i = 1:3
  •     result_img_GD(:,:,i) =  guidedfilter(guidance, result_img(:,:,i), r, eps); % 引导滤波
  • end
  • figure;imshow(result_img_GD,[]);
  • title('PSO\_ACE\_GD'); % 显示滤波后的图像
    % {) P- T& n9 u; N; \- T
         , a# _9 c& t7 [9 ^3 a" F, f
* m- T0 |/ @1 D/ B/ A# m/ s0 M
三、运行结果
& f6 D9 `+ X. V  v6 w
, i3 g# D" }7 F; A2 S
3 }6 g% F9 J4 L7 W3 s
6 l8 T8 j5 `5 ~  s
! k/ O( P  H# Q) X$ c* ]& o: t& M# ~! n2 P) k# R% ?
. N+ ~& _2 P2 k  R$ @7 y" I

$ J* Q" `( a; M% M. e$ [% f4 M" `7 B$ V1 G9 X6 p2 X, ]

8 ~0 L; y3 x* m0 S7 W

该用户从未签到

2#
发表于 2021-5-11 17:52 | 只看该作者
基于matlab PSO寻优ACE算法之图像增强
您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

推荐内容上一条 /1 下一条

EDA365公众号

关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

GMT+8, 2025-10-30 00:37 , Processed in 0.140625 second(s), 26 queries , Gzip On.

深圳市墨知创新科技有限公司

地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

快速回复 返回顶部 返回列表