基于改進螢火蟲算法的模糊農業(yè)遙感圖像增強效應

張慧寧+郭紅山

摘要：為了提高模糊農業(yè)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(qū)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(yōu)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(qū)分圖像中的目標，圖像信息熵較大。

關鍵詞：農業(yè)遙感圖像；螢火蟲算法；高斯隸屬函數；局部；參數優(yōu)化；目標圖像；區(qū)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(yè)遙感圖像促進了智慧農業(yè)的發(fā)展，但是農業(yè)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(yè)遙感圖像信息利用的程度[1-2]。目前對農業(yè)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(jié)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(yōu)點，但其在調節(jié)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(fā)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(yè)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(qū)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(yōu)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(qū)分圖像中的目標，增強后的圖像信息熵較大。

1 農業(yè)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(yōu)提高搜索效率[10-11]。如果當前最優(yōu)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(yōu)，此時將記錄當前最優(yōu)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(yōu)化以及局部擾動更新；（3）對圖像灰度誤差不同的區(qū)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(fā)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(guī)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(qū)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(qū)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(jié)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(jié)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(yè)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(qū)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(yōu)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(qū)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(yè)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(yè)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(jié)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(yōu)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(yōu)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(guī)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(yè)科學，2017，45（1）：208-210.