基于量子和声搜索模糊集的低亮度图像NSCT增强

• 作者: 张洁 廖一鹏 戴路 李雪艳
• 来源期刊: 激光与光电子学进展
• 学科: 工学
• 关键词: 机器视觉 低亮度图像 图像增强 非下采样Contourlet变换 量子和声搜索 模糊集
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 机器视觉|Machine Vision
• 页码范围: 363-374
• 页数: 12页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/LOP202158.2415008

摘要

针对低亮度图像存在的对比度低、边缘弱、噪声干扰等问题,提出了一种基于改进量子和声搜索(QHS)算法优化模糊集变换的非下采样Contourlet变换(NSCT)域图像增强方法.首先,将低亮度图像进行NSCT分解,得到低频图像和多尺度高频子带图像.然后,改进QHS算法的量子旋转门更新策略,并将改进的QHS算法用于模糊集变换参数的优化以实现低频图像的自适应增强.接着,根据能量分布对贝叶斯萎缩阈值进行改进以去除高频子带的噪声系数,并通过非线性增益函数实现了边缘和纹理细节的增强.最后,对增强后的各尺度图像进行NSCT重构.对低照度图像、医学计算机断层成像(CT)图像、红外夜视等低亮度图像进行了实验,结果表明,与现有的图像增强方法相比,所提方法不仅改善了图像的整体亮度,还具有更高的信息熵、对比度和清晰度.此外,所提方法在有效抑制噪声的同时保留了更多的纹理细节,且适用于不同环境下的低亮度图像增强.