康杰红,马苗

Kang Jiehong, Ma Miao

陕西师范大学 计算机科学学院 陕西 西安 710062

School of Computer Science, Shaanxi Normal University, Shaanxi Xi'an 710062

1 引言

在获取和传输数字图像的过程中，常因成像机制或噪声污染等因素导致图像分辨率低、细节模糊等现象，直接影响图像的后续处理。因此改善图像的质量，突出图像中感兴趣的部分成为必要。图像增强是用来改善图像的视觉效果和质量的常用手段。图像增强方法大致分为空域法和频域法两类。对比度增强法是空域法中的一种，包括：直方图均衡法、灰度变换法和反锐化掩模法等。其中，灰度变换是对比度增强方法中常用的一种方式，分为线性变换、分段线性变换，非线性变换三种[1]。为突出图像中感兴趣的部分，同时抑制不感兴趣的灰度区间，人们常用分段线性变换法对图像对比度进行拉伸或压缩，进而改善图像质量。目前常用的是三段线性变换法，其中，转折点的选取和分段直线斜率的确定是该方法的关键[2]。

蛙跳(Shuffled Frog-Leaping，SFL)算法是Eusuff等人于2003年提出的一种新型启发式群智能优化算法[3]。它模拟自然界中青蛙群体的觅食行为，具有高效的并行搜索能力。SFL算法的提出受到了各界研究学者的普遍关注，并被迅速引入到图像分割、图像增强等领域[4][5]。

为进一步研究有效的图像增强方法，本文借鉴文献[2]中将人工鱼群(Artificial Fish Swarm，AFS)算法用于图像自适应增强的思路，以 SFL算法为研究对象，在现有研究的基础上，深入分析其内部搜索机制后进行相关改进，并提出了一种基于改进SFL算法的图像对比度增强新方法。……