基于遺傳優(yōu)化的海島礁彩色影像增強方法

李 國，蔡海峰，王長春，張 佳

（1. 61206部隊，遼寧 大連 116023）

基于遺傳優(yōu)化的海島礁彩色影像增強方法

李 國1，蔡海峰1，王長春1，張 佳1

（1. 61206部隊，遼寧 大連 116023）

針對海島礁彩色遙感影像內(nèi)容單一、色彩不鮮明、反差低的問題，將模糊增強技術(shù)與遺傳優(yōu)化策略應(yīng)用到海島礁遙感影像增強處理中，提出了一種無人工干預(yù)、無先驗知識依賴、具有理論最佳色彩的海島礁遙感影像增強方法。實驗結(jié)果表明，該方法不但提高了海島礁彩色遙感影像的視覺效果與質(zhì)量測度，還保持了影像的色彩信息。

彩色影像增強；色彩保持；海島礁影像；遺傳算法

我國部分遠離大陸的島礁分布較為零散，對于登島困難的島礁進行陸部要素測繪可采用遙感方法獲取海島礁影像再作相關(guān)后續(xù)處理。海島礁彩色遙感影像內(nèi)容單一，僅包括海島及海域兩部分，海域混濁不清加之海域空氣含水量大，海島礁彩色遙感影像普遍存在反差低、色彩不鮮明、輪廓不清的問題，增加了后續(xù)處理以及提取瞬時海岸線的難度。

影像增強技術(shù)是解決這類影像處理困難的一個重要手段，影像增強的首要目標是通過處理使其比原始影像更適合特定的應(yīng)用[1]。傳統(tǒng)灰度影像增強技術(shù)并不適用于彩色影像增強處理，主要是由于彩色影像的紅、綠、藍分量相關(guān)性很高，若直接將灰度影像增強技術(shù)分別用于紅、綠、藍分量，由于各分量的增強幅度不一致而導(dǎo)致影像色彩失真。

彩色影像增強技術(shù)可分為兩類：一是改善原始影像色調(diào)的彩色影像增強技術(shù)；二是保持原始影像色調(diào)的彩色影像增強技術(shù)。第一類增強技術(shù)主要針對存在光照不足或不均問題的彩色影像；第二類增強技術(shù)一般是以彩色空間變換技術(shù)為基礎(chǔ)，計算量十分巨大。文獻[2]指出，即使不進行彩色空間變換，也可以通過對R、G、B 3個顏色分量進行同尺度的平移或比例伸縮的線性變換，依然能保持彩色影像色調(diào)不變。對海島礁彩色影像采用文獻[2]方法進行處理很容易產(chǎn)生嚴重的彩色灰度化現(xiàn)象。本文利用基于遺傳算法的模糊增強算法增強海島礁灰度影像，在增強灰度影像的同時仍考慮了彩色影像的視覺效果，避免了色彩灰度化現(xiàn)象的產(chǎn)生，實現(xiàn)了海島礁彩色影像色彩保持的增強方法。

1 基于遺傳算法的模糊增強理論

1.1 模糊增強理論

根據(jù)模糊集理論，海島礁灰度影像可視為如式（1）所示的由模糊點集組成的矩陣[3]：

其中，gij為第（i，j）點的灰度值；pij（0≤pij≤1）為模糊特征，表示第（i，j）點具有某種特征的程度。模糊特征按公式（2）計算，若gmax表示最大灰度值，則模糊特征表示第（i，j）點像素具有最大灰度的程度，其中Fd、Fe是模糊參數(shù)，本文Fe取3/2。

1.2 遺傳算法優(yōu)化

遺傳算法GA（genetic algorithms）是借鑒生物界進化規(guī)律演化而來的隨機搜索方法[4]。遺傳算法主要由編/解碼方案、適應(yīng)度函數(shù)、遺傳操作等要素構(gòu)成，其中編/解碼方案是搜索空間與解空間的聯(lián)系，適應(yīng)度函數(shù)是評價個體優(yōu)劣的重要準則，遺傳操作是實現(xiàn)搜索優(yōu)化的具體操作。遺傳算法作為一種并行性好、魯棒性高的搜索算法，與傳統(tǒng)的搜索方法相比具有更好的全局優(yōu)化能力。但遺傳算法也存在一定的不足，如運行參數(shù)的選擇還沒有合理的理論依據(jù)，只能通過多次實驗來確定其取值大小。本文利用文獻[5]方法（fibonacci genetic algorithms，F(xiàn)GA）自適應(yīng)調(diào)整遺傳算法的交叉概率、變異概率，并將其應(yīng)用于海島礁彩色遙感影像增強處理中。

1.2.1 編碼方式實現(xiàn)

綜合式（2）、式（3），合理選擇模糊參數(shù)Fd是保證增強效果的重要因素，F(xiàn)d可由公式（2）解算。本文將分界點gc作為直接目標解，采用8位的Gray碼對gc進行編碼，通過遺傳優(yōu)化gc以達到求解模糊參數(shù)Fd的目的。

1.2.2 遺傳操作確定

遺傳操作包括選擇操作、交叉操作、變異操作。選擇操作采用賭輪法與最優(yōu)保存相結(jié)合的策略，在理論上已經(jīng)證明使用最優(yōu)保存策略的遺傳算法總能夠以概率1搜索到最優(yōu)解；交叉操作采用均勻交叉算子，為了防止近親繁殖，規(guī)定雜交的兩個父代個體不能為同一個體；變異操作采用基本位變異算子。

1.2.3 適應(yīng)度函數(shù)設(shè)計

適應(yīng)度函數(shù)是遺傳算法評價個體優(yōu)劣的重要準則，本文的適應(yīng)度函數(shù)要能正確衡量海島礁灰度遙感影像的視覺質(zhì)量。文獻[6]提出了通用的具有視覺感知特性的最佳質(zhì)量彩色影像評價函數(shù)CAF。CAF的計算基于獨立彩色遙感影像，不依賴于與參考彩色遙感影像輔助。本文是針對海島礁灰度遙感影像的增強方法，無法直接采用文獻[6]提出的通用彩色影像評價函數(shù)，為此本文提出了如式（4）所示的最佳質(zhì)量灰度影像評價函數(shù)CAFg。其中Eng是信息熵。文獻[7]指出，若直接使用傳統(tǒng)信息熵表達式可能產(chǎn)生錯誤的結(jié)果，因此本文設(shè)計了一種如式（5）所示的信息熵。其中Cj是灰度值域的子集，cj為補償系數(shù)且。本文將灰度值域劃分為50個子集，cj=(?1)j0.01/50。ACg是如式（6）所示的平均對比度，ACx、ACy分別是海島礁灰度影像在x、y方向的平均對比度，如式（8）、式（9）所示。NVDg是如式（7）所示的歸一化亮度差，G(x, y)是影像灰度值，G(x, y)是灰度的均值。

1.2.4 運行參數(shù)設(shè)定

遺傳算法需設(shè)定的運行參數(shù)有種群大小、終止遺傳代數(shù)、交叉概率、變異概率。本文采用文獻[5]提出的自適應(yīng)改進方法，認為交叉概率的增長率、變異概率構(gòu)成Fibonacci數(shù)列。交叉概率Pc、變異概率Pm依式（10）、式（11）自適應(yīng)變化，其中Pcb、?1、?2分別是常數(shù)0.70、0.000 036 9、0.000 015，t為最大個體維持不變的代數(shù)，F(xiàn)ibo(t)是Fibonacci函數(shù)。遺傳算法具體運行時種群大小為8，終止遺傳代數(shù)為100，最大終止代數(shù)為30。

2 實驗結(jié)果及分析

本文選用兩幅由RC30相機獲取的舟山群島附近的海島礁彩色遙感影像，實驗影像塊大小是256×256像素。以AMD Athlon 5200+處理器為硬件平臺，以Microsoft Visual C++6.0為軟件環(huán)境進行了海島礁彩色遙感影像色彩保持增強實驗，并與傳統(tǒng)直方圖方法（對HSV變換中的亮度分量采用傳統(tǒng)直方圖均衡化方法處理）、文獻[2]、文獻[8]方法進行了對比實驗，實驗結(jié)果如圖1所示。表1為海島礁彩色影像質(zhì)量測度。海島礁彩色遙感影像的質(zhì)量測度主要包括信息熵lnEnc、平均對比度ACC、平均亮度AG'、能量函數(shù)Fac。具體計算方法見公式（12）～公式（16）。其中信息熵越大，彩色遙感影像信息量越豐富，色度分布越均勻；能量函數(shù)越大，彩色遙感影像像元的平均變化越劇烈；平均亮度越大，彩色遙感影像的亮度越高；平均對比度越大，彩色遙感影像的反差越高。

圖1 海島礁彩色遙感影像的對比實驗結(jié)果

表1 海島礁彩色遙感影像質(zhì)量測度及運行時間

由表1可以看出，與原始海島礁彩色影像相比，傳統(tǒng)直方圖方法、文獻[2]、文獻[8]方法均在大幅提升海島礁彩色遙感影像的信息熵、能量函數(shù)、平均對比度的同時，降低了海島礁彩色遙感影像的平均亮度；本文方法盡管對海島礁彩色遙感影像的信息熵、能量函數(shù)、平均對比度的提升幅度沒有其他方法那么大，但本文方法也是唯一在提高這三種質(zhì)量測度的同時還提高了海島礁彩色遙感影像的平均亮度測度。本文方法視覺效果最好、色彩鮮明，有效突出了彩色遙感影像在表達遙感影像信息方面的優(yōu)越性。

3 結(jié) 語

本文將模糊增強方法引入到海島礁彩色遙感影像增強處理中，再輔以遺傳算法優(yōu)化模糊增強參數(shù)，實現(xiàn)了具有最佳彩色質(zhì)量的海島礁彩色遙感影像增強。該方法有效改善了海島礁彩色遙感影像的視覺質(zhì)量，滿足了遙感影像處理對質(zhì)量測度“適中”的要求，保持了海島礁彩色遙感影像的色彩信息；充分利用了遺傳算法優(yōu)化模糊增強參數(shù)，實現(xiàn)了無人工干預(yù)的海島礁彩色遙感影像增強處理，降低了對海島礁彩色遙感影像先驗知識的依賴。

[1] 岡薩雷斯.數(shù)字影像處理[M].北京:電子工業(yè)出版社,2007

[2] 王萍,程號,羅穎昕.基于色調(diào)不變的彩色圖像增強[J].中國圖像圖形學(xué)報,2007,12(7):1 173-1 177

[3] PALS K, KING R A.Image Enhancement Using Fuzzy Sets[J]. Electron Letter,1980,16(9):376-378

[4] 周明,孫樹棟.遺傳算法原理及應(yīng)用[M].北京：國防工業(yè)出版社,1999

[5] 李國,范大昭,郭海濤.一種改進的自適應(yīng)遺傳算法在圖像匹配中的應(yīng)用[J].測繪科學(xué),2009,34(5)：188-189

[6] 謝正祥,王志芳,熊興良,等.基于視覺感知噪聲模型的彩色圖像質(zhì)量評價和彩色圖像質(zhì)量最佳化[J].中國圖像圖形學(xué)報,2010,15(10):1 454-1 464

[7] 汪亞明,吳國忠,趙均,等.基于模糊熵及遺傳算法的圖像增強技術(shù)[J].農(nóng)業(yè)機械學(xué)報.2003,34(3):96-98

[8] 趙曉霞,王汝琳,張莉莉.惡劣天氣下降質(zhì)圖像增強算法研究[J].微計算機信息,2010,26(8):3-4

P237

B

1672-4623（2017）02-0083-03

10.3969/j.issn.1672-4623.2017.02.026

2015-01-30。

項目來源：61206部隊一般科研項目“海岸帶地形圖測量初探”。

李國，碩士，工程師，主要從事數(shù)字圖像處理、遺傳算法及其應(yīng)用研究。