基于SCBSO算法的低照度纹理图像增强方法

针对纹理图像处理过程中,采集图像包含大量噪声而影响处理结果的问题,以及天牛须群优化(BSO)算法易陷入局部优解的问题,提出一种基于正余弦策略的改进天牛须群优化(SCBSO)算法,并将该算法应用在低照度纹理图像增强中。首先引入logistic模型增加初始解群的多样性;其次结合正余弦策略对BSO算法的搜索策略进行改进,加入时变加速因子实现参数自动更新,提升BSO算法的收敛速度和搜索精度;最后利用SCBSO算法结合染色体结构实现对图像最优灰度分布的精确搜索。在标准函数的测试中,SCBSO算法在两种类别函数下的运行时间较原算法缩短了16.56%和14.78%,增强后图像的对比度更强,自然特性保存得更好。SCBSO算法与对比算法相比,明度顺序误差(LOE)降低了37.8%,视觉信息保真度增长了15.3%,PSNR提高了12.9%,在去噪的同时很好地保留图像的纹理特征。