全局双伽马校正与改进SSA的低光照图像增强方法
DOI:
CSTR:
作者:
作者单位:

新疆大学电气工程学院 乌鲁木齐 830049

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

新疆自治区“天山英才”培养计划(2022TSYCCX0054)、新疆自治区重大科技专项(2022A01002-2)、国家自然科学基金(12002296)、新疆维吾尔自治区自然科学基金(2022D01C47)项目资助


Global double gamma correction with improved SSA for low-light image enhancement
Author:
Affiliation:

School of Electrical Engineering, Xinjiang University, Urumqi 830049, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对现有低光照图像增强算法存在对比度低、边缘细节丢失及增强过度等问题,提出一种基于全局双伽马校正与改进 SSA 算法结合的低光照图像增强方法。首先对图像预处理,其次采用双伽马函数结合麻雀优化算法进行全局校正,此外为改善算法收敛性能,引入精英反向学习和Lévy飞行策略来改进麻雀算法,优化对参数(α)的选择,通过寻找最优伽马值实现对图像的细节增强。仿真实验结果表明,该算法增强后的图像峰值信噪比和结构相似性指标较大,图像颜色失真较小,细节更加丰富,整体增强效果优于其他对比算法,具有较好的处理效果。

    Abstract:

    To address the problems of low contrast, edge detail loss and excessive enhancement in existing low-light image enhancement algorithms, a low-light image enhancement method based on the combination of global double gamma correction and improved SSA algorithm is proposed. In addition, to improve the convergence performance of the algorithm, elite backward learning and Lévy flight strategy are introduced to improve the sparrow algorithm, optimize the selection of parameter (α), and realize the detail enhancement of the image by finding the optimal gamma value. The simulation experimental results show that the algorithm enhances the image with larger peak signal-to-noise ratio and structural similarity index, less image color distortion, and sharpens the edges, and the overall enhancement effect is better than other comparison algorithms, which has better processing effect.

    参考文献
    相似文献
    引证文献
引用本文

田柯,马小晶,贺航.全局双伽马校正与改进SSA的低光照图像增强方法[J].电子测量技术,2023,46(9):124-133

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-02-05
  • 出版日期:
文章二维码