19、利用蛾群算法实现高效图像对比度增强

利用蛾群算法实现高效图像对比度增强

1. 引言

在人工智能领域，基于知识的系统（KBS）涉及工程知识的提取和表示。在计算机视觉中，KBS 的核心在于通过优化原则提取信息，许多图像分析问题可简化为优化过程。图像增强（IE）作为计算机视觉任务，可看作是一个 KBS 问题，它在医学、安全和交通等领域有广泛应用，旨在增强图像中的视觉信息，突出对象特征差异，提高人类可解释性或便于自动化计算机视觉系统进一步处理。

常用的 IE 方法有直方图均衡化（HE）、二次变换和模糊逻辑运算等。其中，HE 因简单有效而应用最广泛，它考虑像素的统计特性，将像素重新分布在整个强度尺度上。然而，这些方法在遇到噪声或无关小像素集时，会导致像素数据重新分布不足，产生不期望的伪影和放大噪声。

近年来，元启发式技术被用于解决图像对比度增强（ICE）问题，将对比度增强视为优化问题。一些元启发式算法如人工蜂群算法（ABC）、遗传算法（GA）、粒子群优化算法（PSO）等被应用，但它们存在过早收敛到局部最优和种群多样性不足等局限性，在处理噪声和无关小像素集时效果有限。为解决此问题，一些混合方法被提出，例如 Gamma - PSO 算法和 Fuzzy - IPSO 方法。

蛾群算法（MSA）受飞蛾向月光定向行为启发，包含三个不同的子种群，每个个体经历不同的进化操作，解决了其他元启发式算法中探索 - 利用权衡不平衡和过早收敛的问题，已广泛应用于图像、电力、能源等多个复杂工程领域。

图像中噪声和小像素集的存在往往意味着存在无意义或无关的细节，会掩盖重要图像信息，影响人类可视化和图像增强过程。因此，消除这些无关信息对于改善增强图像中像素数据的重新分布至关重要。均值漂移算法是一种非参数技术，用于将