基于改進螢火蟲算法的模糊農業遙感圖像增強效應

張慧寧+郭紅山

摘要：為了提高模糊農業遙感圖像增強的質量，采用改進螢火蟲算法，首先通過高斯隸屬度函數將圖像像素映射，不同誤差的圖像區域采用不同分辨率的隸屬度函數；然后用模糊增強算子來修正隸屬度值；接著在改進螢火蟲算法中對參數進行優化及局部擾動，給出算法流程；最后試驗仿真顯示本研究算法在增強結果中能夠正確區分圖像中的目標，圖像信息熵較大。

關鍵詞：農業遙感圖像；螢火蟲算法；高斯隸屬函數；局部；參數優化；目標圖像；區分；圖像信息熵

中圖分類號： S127 文獻標志碼： A 文章編號：1002-1302（2017）01-0205-03

農業遙感圖像促進了智慧農業的發展，但是農業遙感圖像在獲取和傳播過程中，由于受大氣散射以及光照條件的干擾使得圖像模糊，因此通過圖像增強，可以提高對農業遙感圖像信息利用的程度[1-2]。目前對農業遙感圖像增強的算法有Jourlin和Pinoli的對數圖像處理算法，主要用于處理有界強度值的透射光圖像，但是該模型容易丟失細節信息[3]；直方圖均衡化方法具有自適應性強和運算速度快的優點，但其在調節圖像整體對比度的同時也擴散了噪聲，難免出現局部亮度失真[4]；Contourlet變換法可以增強對比度并抑制噪聲，但由于Contourlet變換不具有平移不變性，增強后的圖像容易產生較為明顯的劃痕和塊狀模糊現象[5]；螢火蟲算法易于實現，操作簡單[6]，但是存在峰值發現率低、收斂速度慢和求解精度不高的缺點，因此導致圖像增強效果不理想。為了提高農業遙感圖像增強的質量，采用改進螢火蟲算法，首先通過高斯隸屬度函數將圖像像素映射，不同誤差的圖像區域采用不同分辨率的隸屬度函數；然后用模糊增強算子來修正隸屬度值；接著在改進螢火蟲算法中對初始化參數優化且進行局部擾動，給出了算法流程；最后試驗仿真顯示本研究算法在增強結果中能夠正確區分圖像中的目標，增強后的圖像信息熵較大。

1 農業遙感圖像增強模型

1.1 高斯隸屬度函數

2.2.2 局部擾動改進 螢火蟲算法搜索后期存在早熟、收斂現象，改進局部尋優提高搜索效率[10-11]。如果當前最優解經過多次位置更新后仍未得到改善，算法將陷入局部最優，此時將記錄當前最優解和位置，對最差55%螢火蟲進行局部擾動。其操作過程是：在螢火蟲更新位置后，找出兩兩之間距離的最大值R1和最小值R2，設定更新半徑為：Rlimit=R2+0.45×（R21-R22），所有的螢火蟲在該范圍內尋找最亮的螢火蟲，并根據吸引度向其靠近。如果在該范圍內不存在最亮的螢火蟲，則按R′limit=R1+0.65×（R21-R22）進行搜索。

其算法流程為：（1）輸入遙感圖像的像素通過高斯隸屬度函數映射；（2）螢火蟲算法參數優化以及局部擾動更新；（3）對圖像灰度誤差不同的區域選用不同分辨率的隸屬度函數進行增強；（4）如果達到最大進化代數或評價函數沒有發生太大變化，進行步驟（5），否則轉（2）；（5）模糊域逆變換輸出遙感圖像。

3 結果與分析

螢火蟲算法的參數設置如下：群規模為150個，螢光素強度最大值為1.75，螢光素強度最大值為0.25，決策域半徑為5 cm，迭代次數為200。試驗PC配置：CPU為AMD FX-6300 Six-Core、內存8 GB、IntelH61主板，集成顯卡，由Matlab 2014實現仿真。

3.1 視覺分析

本研究選取的圖像由于相機抖動造成圖像模糊，對圖像信息的提取造成困難，對模糊的圖像進行不同算法增強處理，其試驗結果如圖2、圖3所示。

在圖2、圖3的增強結果中，本研究算法能夠正確區分圖像中的目標如田舍、樹木等，尤其是田舍圖像質量達到視覺上相對清晰的效果，對田舍邊緣的分辨區分效果比較好，整體上提高了圖像的清晰度和分辨率。其他算法對圖像中的部分細節信息丟失，對樹木輪廓及周圍場景增強效果不是很好，沒有滿足增強目的。

3.2 增強評價指標

定量評價采用基于熵的圖像對比度增強測量指標（EMEE）來分析增強效果：

EMEE=1MN∑Mm=1∑Nn=1（Im，n）max（Im，n）min+cIn=（Im，n）max（Im，n）min+c。（12）

式中：首先把圖像分割成M×N個4×4的子圖像塊；（Im，n）max和（Im，n）min分別表示子圖像塊的灰度最大值和最小值；c是一個很小的常數，取0.000 1，以避免分母為0，EMEE值越大，表明圖像的對比度越明顯，視覺質量越好。

信息熵表示圖像中含有的信息量，信息熵越大說明該圖像中含有的信息越多，細節越清晰，視覺效果越好。信息熵En定義公式為：

En=-∑255g=0p（g）log2p（g）。（13）

式中：p（g）表示一幅圖像中灰度值為g的像素個數與圖像中所有像素之比。

各種算法的增強評價指標如表1所示。從增強評價指標可以看出，本研究算法的能夠使圖像對比度增強，信息熵較大。

4 總結

為了提高模糊農業遙感圖像增強的質量，采用改進螢火蟲算法。首先通過高斯隸屬度函數將圖像像素映射，不同誤差的圖像區域采用不同分辨率的隸屬度函數；然后用模糊增強算子來修正隸屬度值；接著在改進螢火蟲算法中對初始化參數優化且進行局部擾動，給出算法流程；最后進行仿真試驗，結果顯示本研究算法在增強結果中能夠正確區分圖像中的目標，增強后的圖像信息熵較大。

參考文獻：

[1]熊德蘭. 基于遙感的農作物長勢模板數據庫構建[J]. 江蘇農業科學，2014，42（8）：411- 414.

[2]李懷霄. 基于面向對象的西雙版納橡膠林提取[J]. 江西農業學報，2014，26（8）：96-100.

[3]朱瑞飛，賈宏光，王 超，等. 應用參數化對數模型增強圖像細節及對比度[J].光學精密工程，2014，22（4）：1064-1070.

[4]Wang C， Ma K K. Feature histogram equalization for feature contrast enhancement[J]. Journal of Visual Communication and Image Representation， 2015， 26（1）：255-264.

[5]Dong M， Zhang J W， Ma Y D. Image denoising via bivariate shrinkage function based on a new structure of dual contourlet transform[J]. Signal Processing， 2015， 109（4）：25-37.

[6]吳偉民，亢少將，林志毅，等. 基于改進螢火蟲算法的多模函數優化[J]. 計算機應用與軟件，2014，31（1）：283-285， 302.

[7]田小平，徐小京，吳成茂. 基于LIP模型的低照度彩色圖像增強新算法[J]. 西安郵電大學學報，2015，20（1）：9-13.

[8]王新為，朱青松，譚安勝，等. 基于改進螢火蟲優化算法的BP神經網絡目標群威脅判斷[J]. 指揮控制與仿真，2014，36（6）：42-46.

[9]李明富，張玉彥，馬建華，等. 基于變參數螢火蟲算法和Maklink圖的路徑規劃研究[J]. 機械科學與技術，2015，34（11）：1728-1732.

[10]海 潔，吳海燕，羅中劍. 高斯變鄰域差分的灰度圖像增強算法[J]. 激光雜志，2015，36（1）：57-61.

[11]鄭 楠，王 翔，于浩杰，等. 一種改進混沌螢火蟲算法[J]. 計算機仿真，2014，31（10）：306-312.湯 慶，吳崇友，伍德林，等. 基于DEM的谷物聯合收割機抖動板性能研究[J]. 江蘇農業科學，2017，45（1）：208-210.