杨凡

（铜陵学院 数学与计算机学院，安徽 铜陵 244000）

图像增强是采用某种手段来改善图像的视觉效果，是图像预处理的重要环节；传统的图像增强作用域分为空域处理和频域处理；空域增强经常使用的方法有直方图均衡法、直方图规定化法、灰度变换法以及非线性锐化掩模法[1]。其中，灰度变换是一种简单有效的对比度增强方式，能够将对比度弱的图像变成对比度强的图像，或通过改变图像像素的明暗对比程度，突出感兴趣的目标或灰度区间，抑制不感兴趣的灰度区间，提高图像质量。可分为线性变换、分段线性变换、非线性变换3类。

近几年来，非线性变换发展迅速，很多学者都尝试着应用不同智能算法优化Beta函数，实现灰度图像的非线性自适应增强，如文献[2]提出量子遗传算法优化广义的Beta函数，文献[3]提出量子萤火虫算法优化增益的Beta函数，文献[4-7]提出遗传算法、果蝇算法、粒子群算法及遗传微粒子群优化Beta函数，均取得了很好的优化效果，获得增强的灰度图像。

本文将着眼于灰度图像的视觉效果，将灰度图像增强视为一个优化问题[7]，利用考虑图像全局和局部信息的参数化变换函数，借助遗传菌群算法来优化Beta函数，以及客观评价函数求解，达到提升灰度图像的增强效果。

1 灰度图像自适应增强方法

从视觉效果来看，一般的灰度图像有偏暗、偏亮、灰度集中3类情况。针对三类图像有4种变换函数，每一种变换函数都对应着一种变换曲线，如图1所示，第一类变换是对较暗区域进行拉伸；……