多进化策略自适应免疫多目标进化算法

为了在基于克隆选择的免疫多目标进化算法中提高种群的多样性,提出了一种基于目标函数变化率的多进化策略自适应免疫多目标进化算法,以采用克隆选择的免疫多目标进化算法为基础,根据目标函数的变化率,在不同的进化阶段自适应地选择两种不同的差分进化策略,在保证算法收敛速度的同时兼顾种群的多样性,避免算法陷入局部最优。选用DTLZ测试函数对新算法进行了性能测试,并与其它算法进行了比较。结果显示,新算法解的分布性和均匀性有了一定程度的提高。     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法.该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值.因此,图像的边缘不再变模糊.实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘.     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法。该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值。因此,图像的边缘不再变模糊。实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘。     

基于定向突变的自适应并行免疫算法

针对克隆选择算法收敛速度较慢的问题,对算法策略进行研究,提出了一种基于定向突变的自适应并行免疫算法(APIA)。该算法采用自适应并行搜索策略,在记忆库中引入定向突变算子,增强算法的局部定向搜索能力,并改善算法早熟的问题。同时算法还改进了超变异算子,以提高其运行效率。仿真实验结果表明:该算法比克隆选择算法和传统的遗传算法有更好的寻优能力,有效地提高了收敛速度,缩短了搜索时间。     

自适应免疫克隆选择算法的参数识别

提出了一种被称为是自适应免疫克隆选择算法的新型人工免疫算法,此方法可进行系统的参数识别,以解决结构的多目标优化问题.此种算法将二阶响应、适应性变异准则和疫苗因子这三种算子都引入到遗传克隆选择算法中,提高了运算的收敛速度及全局优化搜索能力.对动力系统参数识别的模拟识别结果证明了本文所提出算法的有效性与可行性.     

免疫算法用于直线阵优化设计的研究

采用免疫算法对直线阵进行优化设计，在克隆选择原理基础上讨论了该算法应用于等间距直线阵优化的基本问题，对旁瓣特定约束条件的八阵元等间距直线阵进行了数值实验．结果表明，免疫算法能够成功地应用于等间距直线阵优化设计，同时优化结果要优于基本遗传算法。     

一种自适应红外图像增强算法

针对红外图像普遍存在的目标与背景对比度差的特点,提出一种自适应红外图像增强算法.该算法首先采用峰值与局部最大值估算法相结合的方法自适应地计算出两个阈值,由此将图像分为背景段、目标段和过渡段三部分;然后对不同的灰度段采用不同的变换系数分段进行灰度拉伸和压缩变换,实现图像的自适应增强;最后对得到的图像进行灰度间距的均衡化处理,把灰度等级在整个显示范围内等间距排列.实验结果表明,该算法能够实现自适应阈值选择,获得灰度更加连续的红外图像,有效地增加了图像的细节和清晰度.     

基于免疫算法的未知病毒检测方法

提出了一种基于人工免疫算法的未知病毒检测方法,该方法定义了自体、非自体、抗原、检测器等,实现了否定选择和克隆选择机制,给出了算法程序并进行了仿真实验．实验结果表明,该方法是一种检测未知病毒的有效方法．     

基于免疫理论的仿生优化算法

提出一种新的仿生优化算法——自适应免疫克隆混合优化算法。介绍了仿生优化算法的基本思想及实现过程。以多峰值函数Camelback寻优为例,通过测试函数的计算结果,以及与基于信息熵的免疫算法和自适应免疫算法的仿真实验对比,证明了该算法对多峰值函数寻优的有效性,既可以大大减少计算量,又能改善种群的多样性,可快速达到全局最优,在优化领域具有广阔的应用前景。     

改进的免疫遗传算法在图像非线性增强中的应用

利用一种改进的免疫遗传算法自动寻找图像非线性增强函数的最佳变换参数,达到图像增强的效果。该算法基于人工免疫原理,采用针对图像质量评价效果的新适应度函数(包括方差、信息熵、紧致度、信噪改变量以及像素差别五要素),提出一种基于浓度和适应度的自适应式选择机制,保证抗体的多样性,提高个体的适应度和防止种群的退化,提高收敛速度。另外引入免疫算子,在保留原算法优良特性的前提下,有选择、有目的地利用待求问题中的一些特征信息或先验知识来抑制其优化过程中出现的退化现象。实验表明,该算法具有较高的自适应性,即避免了陷入局部极小,加快了收敛速度,且增强质量评价明显提高。     

基于自适应直方图规定化函数引导的动态分层图像增强算法

现有直方图规定化技术存在两方面不足：无法自适应构造一个能突出原图特征的直方图规定化函数,常需要人为指定,使增强效果难以控制;增强对象缺乏目的性,难以满足感兴趣灰度区域的特殊要求。针对该问题,本文提出基于自适应直方图规定化函数引导的动态分层图像增强算法。首先通过分析图像直方图灰度分布来分割灰度分布子图,并根据用户感兴趣灰度确定各子层灰度映射范围;然后利用各子层直方图自适应地构造能突出子层图像直方图特征的目的直方图规定化函数,并构建映射函数,将子层灰度映射到指定范围;最后综合各增强结果得到最后增强图像。实验结果表明,本算法能自适应构造突出原直方图特征的规定化目的直方图,又对用户感兴趣灰度有目的地进行控制增强,使所增强图像具有更加合理的视觉效果。     

多尺度自适应Gamma矫正的低照图像增强

为了在提高低照图像的亮度和对比度的同时,保持图像的色彩自然度,提出了多尺度自适应Gamma矫正的低照图像增强方法.鉴于HSI颜色空间的明度分量Ⅰ决定着图像的明暗程度,以及明度分量的多尺度特性,首先,将图像转换到HSI颜色空间,对明度分量Ⅰ进行多尺度Retinex分解;然后,对分解得到的多尺度光照图像分别进行自适应的Gamma矫正,其中Gamma指数自适应于暗区像素的占比,鲁棒地改善光照图像的光照分布,经Retinex反变换得到增强的多尺度明度分量;最后,将增强的多尺度明度分量的线性融合作为增强的明度分量Ⅰ’,与色相分量H和饱和度分量S重组,得到最后的增强图像.实验结果表明,相对于部分最新提出的现有方法,新方法的PSNR和SSIM值分别高出1.19 dB和1.8%以上,具有更好的增强效果和鲁棒性,增强图像的视觉效果更适宜,对比度更高.     

指纹图像增强算法研究

指纹图像增强在指纹图像预处理过程中有着非常重要的作用,直接影响指纹识别的识别率和识别速度。一般图像增强算法无法满足指纹识别系统的要求,为了提高指纹增强算法的综合性能,现提出一种优化的Gabor滤波方法以增强指纹图像并有效消除噪声,并对Gabor滤波器的参数进行量化。实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取,以提高指纹识别的算法效率和准确率。     

指纹图像增强算法的改进

为提高Gabor滤波算法的运行效率,改善指纹图像的增强效果,提出一种改进的Gabor滤波实现方法。该方法将指纹图像分割成小块,以各小块中心点的方向和脊频作为块中每一点的方向和脊频,并对块方向进行量化,以量化方向序号为索引调用滤波模板对指纹图像滤波。滤波结果表明：改进的算法对指纹图像增强效果明显,处理速度快,对于质量较差的图像也具有较好的增强效果。     

一种综合多种技术的SAR图像增强方法

综合传统的梯度算子、Lap lac ian二阶微分算子、平滑算子等各种方法,提出一种适用于合成孔径雷达(SAR)图像的图像增强方法.该方法既抑制SAR图像中的斑点噪声又保持图像的主要特征信息尤其是精细结构,取得了比较理想的结果.     

一种改进的McCann图像增强算法

提出了一种改进型的基于Retinex理论的McCann图像增强算法。简单介绍了Retinex理论,论述了基于Retinex理论的图像增强方法的基本步骤,详细阐述了McCann算法的改进方法,改善图像增强效果。     

基于方向场和频率场的自适应指纹图像增强算法

基于指纹图像局部区域所固有的方向特性和频率特性,提出了方向场和频率场的概念．设计了一种快速而有效的自适应指纹图像增强算法．该算法基于局部与宏观相结合的原则,不但利用了指纹图像的局部特性,而且结合了局部四邻区域的关联特性．对于指纹图像中脊线方向变化较规则的区域．采用方向为最佳且经过参数优化的单一方向Gabor滤波;对于指纹图像中脊线方向存在突变块的区域,则采用组合的多方向Gabor滤波,将该方法与LinHong方法的增强处理结果图例对比表明,它具有计算量小、增强效果好的特点。     

Research on wavelet-based algorithm for image contrast enhancement

A novel wavelet-based algorithm for image enhancement is proposed in the paper. On the basis of multiscale analysis, the proposed algorithm solves efficiently the problem of noise over-enhancement, which commonly occurs in the traditional methods for contrast enhancement. The decomposed coefficients at same scales are processed by a nonlinear method, and the coefficients at different scales are enhanced in different degree. During the procedure, the method takes full advantage of the properties of Human visual system so as to achieve better performance. The simulations demonstrate that these characters of the proposed approach enable it to fully enhance the content in images, to efficiently alleviate the enhancement of noise and to achieve much better enhancement effect than the traditional approaches.