基于改进FA算法与不完全Beta函数的图像增强技术

针对传统计算机在复杂图像信息分析以及后期处理不达预期的问题,提出了利用改进原始的萤火虫算法(FA)在不完全Beta函数上动态寻优调整灰度曲线的光电图像增强新策略.新策略主要从算法角度出发改进传统FA算法,针对原有的吸引度容易造成局部最优等问题引入新吸引度公式、针对算法陷入局部震荡添加自扰动和克服陷入局部最优的迭代检测环节,改进完成的新算法(Firefly Algorithm Growth,FAG)结合非完全Beta函数动态寻找最优值下的图像灰度曲线.将改进的FAG与FA新老算法在四种常见基准函数上进行对比实验测试他们的性能,结果显示改良FAG算法在性能上更优;在改良FAG结合非完全Beta与FA结合非完全Beta增强同一图像的实验中加入直方图算法增强图像作为对照组,综合结果显示改进后的新策略更胜一筹.综合结果显示群智能算法在结合图像处理手段来达到图像增强的目的上具有很好的应用价值,新策略在低对比度条件下的光电图像实现了有效的增强.