DeBo:使用二进制微分演变和蝙蝠优化进行图像注册的对比度增强
Muhammad Adeel Akram1, Tallha Akram2, Umer Javed1
1Department of Electrical and Computer Engineering, COMSATS University Islamabad, Wah Campus, Wah, Pakistan.
PloS one
|December 26, 2024
概括
这项研究引入了一种用于对比度拉伸的新型混合优化模型,显著改善了图像注册. 增强的图像质量导致更可靠的特征检测,用于目标识别和损坏评估等任务.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 优化算法 优化算法
背景情况:
- 图像注册对于灾害评估和目标识别至关重要.
- 图像质量差 (分辨率低,照明,对比度低) 妨碍了可靠的特征识别.
- 对比度拉伸对于改善图像质量和对象检测至关重要.
研究的目的:
- 为增强对比度拉伸提出混合二元差异演变和BAT优化模型.
- 优化转换函数内的决策变量,以改善对比度拉伸.
- 评估拟议模型作为图像注册预处理器的有效性.
主要方法:
- 开发混合二元差异演化和BAT优化算法.
- 拟议模型的应用用于对比度拉伸以提高图像质量.
- 利用增强的图像作为图像注册中特征提取的输入.
主要成果:
- 混合优化模型有效地提高了图像对比度.
- 在使用拟议方法处理的图像中观察到更好的特征检测.
- 增强的图像在随后的图像注册过程中带来了更可靠的结果.
结论:
- 拟议的混合优化模型为对比度拉伸提供了显著的改进.
- 这种增强对图像注册的可靠性和准确性产生了积极的影响.
- 该方法对需要强大图像分析的应用有希望,特别是在具有挑战性的条件下.


