基于改进量子粒子群的红外图像增强算法

宋 蕊,李宇新

(1.黄河水利职业技术学院,河南 开封 475004;2.开封技师学院,河南 开封 475000)

1 引 言

红外图像在获取过程中易受到环境噪声的干扰,出现对比度、信噪比降低现象,严重影响成像质量[1],因此红外图像进行增强可提升图像的质量。

目前红外图像增强的算法主要有:直方图均衡(Histogram Equalization,HE)方法,直方图均衡(Histogram Equalization,HE)方法实现简单,通过重新映射灰度使直方图服从均匀分布,从而达到增强的效果[2],但是如果直方图中存在的峰值较大,则出现过度增强,达不到理想效果。非下采样轮廓变换(Non-Subsampled Contourlet Transform,NSCT)的红外图像增强方法[3],利用NSCT变换获取待增强图像的高频、低频子带系数,不同频带采用不同的方法,消除噪声同时保留边缘信息,但是局部对比度增强效果较弱。多尺度Retinex(Multi-scale Retinex,MSR)算法[4],使用不同尺度参数获取Retinex分量,对这些分量进行线性加权,解决了尺度因子选择的问题,但Retinex分量存在光谱重叠,无法对特定红外光谱图像精确增强。粒子群算法(Particle Swarm Optimization,PSO)优化自适应伽马校正增强红外图像细节[5],将熵和边缘内容作为目标函数并使其最大化,但未考虑红外图像自身的特性导致增强效果不佳。量子算法具有并行性,运算速度快,分为有两类模式:一类是量子硬件支撑的纯量子智能算法,如量子机器学习算法等,需要专业研究机构实现；另一类是其他算法融合交叉的量子算法,如量子遗传算法等,主要是利用量子算法的某些特性,如量子门翻转等,借助一般计算机即可实现,目前研究较广泛。量子算法对图像进行中值滤波[6],其效果适合滤除量子比特翻转噪声,但是涉及到图像像素运算通过量子实现过程较复杂。……