留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用快速混合蛙跳算法的微光图像增强

曾真 陆麟 王元庆

曾真, 陆麟, 王元庆. 采用快速混合蛙跳算法的微光图像增强[J]. 红外与激光工程, 2014, 43(7): 2318-2323.
引用本文: 曾真, 陆麟, 王元庆. 采用快速混合蛙跳算法的微光图像增强[J]. 红外与激光工程, 2014, 43(7): 2318-2323.
Zeng Zhen, Lu Lin, Wang Yuanqing. Enhancement of low-light-level image based on FSFLA algorithm[J]. Infrared and Laser Engineering, 2014, 43(7): 2318-2323.
Citation: Zeng Zhen, Lu Lin, Wang Yuanqing. Enhancement of low-light-level image based on FSFLA algorithm[J]. Infrared and Laser Engineering, 2014, 43(7): 2318-2323.

采用快速混合蛙跳算法的微光图像增强

基金项目: 

国家自然科学基金(608320036);江苏高校优势学科建设工程

详细信息
    作者简介:

    曾真(1990-),女,硕士生,主要从事激光雷达图像处理的研究。Email:zengzhen1999@126.com

  • 中图分类号: TN223

Enhancement of low-light-level image based on FSFLA algorithm

  • 摘要: 由于探测器灵敏度的限制,激光雷达、夜视等图像各点的相对灰度较低。基于更快速的混合蛙跳算法(A Fast Shuffled Frog Leaping Algorithm,FSFLA)提出了一种图像自适应快速增强算法。该算法采用了一种具有更大搜索范围、更快的收敛速度的快速混合蛙跳算法,降低了运算时间。它应用于微光图像的处理方面上,较传统的SFLA 算法能更快地达到图像增强的效果,更适用于实际应用场合。在给出24 个初值的情况下,传统的SFLA 算法须迭代平均20 次才能达到稳定的效果,而FSFLA 仅需6 次,因而大幅度地提高了运算时间。
  • [1]
    [2] Zheng Guilin, Su Binghua. Neural network-based low-light-level image enhancemen t and reconstruction [J]. Acta Armamentrii, 2006, 27(4): 652-654. (in Chinese) 曾桂林, 苏秉华. 基于神经网络的微光图像增强与复原 [J]. 兵工学报, 2006, 27(4): 652-654.
    [3] Zhou Jiliu, Lv Hang. Image enhancement based on a new genetic algorithm [J]. Chinese J Computers, 2001, 24 (9): 959-201. (in Chinese) 周激流,吕航. 一种基于新型遗传算法的图像自适应增强算法的研究[J]. 计算机学报, 2001, 24(9): 959-201.
    [4]
    [5] Yu Tianhe, Hao Fuchun, Kang Weimin. Summarization on the infrared image enhancement technology [J]. Infrared and Laser Engineering, 2007, 36(03): 335-338. (in Chinese) 于天河, 郝富春, 康为民. 红外图像增强技术综述[J]. 红外与激光工程, 2007, 36(03): 335-338.
    [6]
    [7] Zhou Xin, Lin Xinghong. Summary of the genetic algorithm theory and technology research[J]. Computer and Information Technology, 2010(4): 37-39. (in Chinese) 周昕, 凌兴宏. 遗传算法理论及技术研究综述[J]. 计算机与信息技术, 2010(4): 37-39.
    [8]
    [9]
    [10] Emad Elbeltagi,Tarek Hegazy, Donald Grierson. Comparison among five evolutionary-based optimization algorithms [J]. Advanced Engineering Informatics, 2005, 19: 43-53.
    [11]
    [12] Zhang Xuncai, Hu Xuemei, Cui Guangzhao. An improved shuffled frog leaping algorithm with cognitive behavior [C]// 7th World Congress on Intelligent Control and Automation, 2008: 6197-6202.
    [13]
    [14] Wang Qiusheng, Yang Hao, Sun Xiaoyao. A modified shuffled frog leaping algorithm with convergence of update process in local search[C]//2011 International Conference on Instrumentation, Measurement, Computer, Communication and Control, 2011: 1016-1019.
    [15]
    [16] Guo Xiaojing, Wu Zhifang. Adaptive radiation image enhancement based on different image quality evaluation standards[J]. Atomic Energy Science and Technology, 2012, 49: 724-728. (in Chinese) 郭肖静, 吴志芳. 基于不同图像质量评价标准的自适应辐射图像增强[J]. 原子能科学技术, 2012, 49: 724-728.
    [17] Yue Mei, Guo Baoping, Zhang Ping, et al. Adaptive image enhancement of streak tube imaging based on shuffled frog-leaping optimization [J]. Opto-Electronic Engineering, 2011, 38(5): 108-113. (in Chinese) 岳梅, 郭宝平, 张平, 等. 基于混合蛙跳优化的条纹管图像自适应增强[J]. 光电工程, 2011, 38(5): 108-113.
  • [1] 张方, 肖辉.  基于三角函数变换与IRDPSO优化的图像增强算法 . 红外与激光工程, 2022, 51(8): 20210709-1-20210709-8. doi: 10.3788/IRLA20210709
    [2] 林森, 刘世本, 唐延东.  多输入融合对抗网络的水下图像增强 . 红外与激光工程, 2020, 49(5): 20200015-20200015-9. doi: 10.3788/IRLA20200015
    [3] 曹海杰, 刘宁, 许吉, 彭杰, 刘宇昕.  红外图像自适应逆直方图增强技术 . 红外与激光工程, 2020, 49(4): 0426003-0426003-7. doi: 10.3788/IRLA202049.0426003
    [4] 蔡怀宇, 武晓宇, 卓励然, 黄战华, 王星宇.  结合边缘检测的快速SIFT图像拼接方法 . 红外与激光工程, 2018, 47(11): 1126003-1126003(7). doi: 10.3788/IRLA201847.1126003
    [5] 荆滢, 齐乃新, 杨小冈, 卢瑞涛.  基于LK和FAST的时间序列图像快速配准算法 . 红外与激光工程, 2018, 47(11): 1126006-1126006(9). doi: 10.3788/IRLA201847.1126006
    [6] 拜晓锋, 杨书宁, 候志鹏, 贺英萍.  微光像增强器夜视兼容特性分析 . 红外与激光工程, 2016, 45(S2): 101-105. doi: 10.3788/IRLA201645.S220001
    [7] 王志强, 程红, 杨桄, 李成, 吴迪.  全局图像配准的目标快速定位方法 . 红外与激光工程, 2015, 44(S1): 225-229.
    [8] 安其昌, 张景旭, 杨飞, 张科欣.  基于结构函数的子孔径拼接算法研究 . 红外与激光工程, 2015, 44(3): 929-933.
    [9] 姜亮, 张宇, 张立国, 张星祥, 任建岳.  点扩散函数对星点提取误差分析的影响 . 红外与激光工程, 2015, 44(11): 3437-3445.
    [10] 郑学汉, 魏振忠, 张广军.  运动目标视觉跟踪测量系统与场地坐标系的快速统一方法 . 红外与激光工程, 2015, 44(7): 2175-2181.
    [11] 吴鑫, 张建奇, 杨琛.  JetsonTK1平台实现快速红外图像背景预测算法 . 红外与激光工程, 2015, 44(9): 2615-2621.
    [12] 邓潺, 刘文, 黄彪, 詹振环, 张欣.  基于多核DSP 的微光与红外图像彩色融合系统 . 红外与激光工程, 2014, 43(9): 3141-3145.
    [13] 周强, 赵巨峰, 冯华君, 徐之海, 李奇, 陈跃庭.  基于偏振成像的红外图像增强 . 红外与激光工程, 2014, 43(1): 39-47.
    [14] 沈满德, 李程, 任欢欢, 姜清秀, 李飞.  轻小型折射/衍射混合自由曲面塑料微光夜视仪物镜设计 . 红外与激光工程, 2014, 43(1): 160-165.
    [15] 王新, 孙瑶, 李野, 端木庆铎.  ZnO薄膜在微光像增强器中的潜在应用 . 红外与激光工程, 2014, 43(1): 151-154.
    [16] 杨少魁, 刘文.  一种微光与红外图像彩色融合方法 . 红外与激光工程, 2014, 43(5): 1654-1659.
    [17] 何林阳, 刘晶红, 李刚, 刘剑.  改进BRISK特征的快速图像配准算法 . 红外与激光工程, 2014, 43(8): 2722-2727.
    [18] 张宝辉, 闵超波, 窦亮, 张俊举, 常本康.  目标增强的红外与微光图像融合算法 . 红外与激光工程, 2014, 43(7): 2349-2353.
    [19] 徐利民, 范文慧, 刘佳.  太赫兹图像的降噪和增强 . 红外与激光工程, 2013, 42(10): 2865-2870.
    [20] 张法全, 王国富, 曾庆宁, 叶金才.  利用重心原理的图像目标最小外接矩形快速算法 . 红外与激光工程, 2013, 42(5): 1382-1387.
  • 加载中
计量
  • 文章访问数:  389
  • HTML全文浏览量:  64
  • PDF下载量:  128
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-11-17
  • 修回日期:  2013-12-13
  • 刊出日期:  2014-07-25

采用快速混合蛙跳算法的微光图像增强

    作者简介:

    曾真(1990-),女,硕士生,主要从事激光雷达图像处理的研究。Email:zengzhen1999@126.com

基金项目:

国家自然科学基金(608320036);江苏高校优势学科建设工程

  • 中图分类号: TN223

摘要: 由于探测器灵敏度的限制,激光雷达、夜视等图像各点的相对灰度较低。基于更快速的混合蛙跳算法(A Fast Shuffled Frog Leaping Algorithm,FSFLA)提出了一种图像自适应快速增强算法。该算法采用了一种具有更大搜索范围、更快的收敛速度的快速混合蛙跳算法,降低了运算时间。它应用于微光图像的处理方面上,较传统的SFLA 算法能更快地达到图像增强的效果,更适用于实际应用场合。在给出24 个初值的情况下,传统的SFLA 算法须迭代平均20 次才能达到稳定的效果,而FSFLA 仅需6 次,因而大幅度地提高了运算时间。

English Abstract

参考文献 (17)

目录

    /

    返回文章
    返回