基于FOA優化模糊集的圖像增強研究

劉定一

(三江學院 計算機基礎教學部，江蘇 南京 210012)

?

基于FOA優化模糊集的圖像增強研究

劉定一

(三江學院 計算機基礎教學部，江蘇 南京 210012)

醫學圖像在采集和傳輸過程中，容易受到噪聲的干擾而變得模糊不清，傳統的模糊增強算法存在計算量大、適應性差和控制參數憑借經驗由手動進行調整和控制，存在效率和增強效果較差的缺點，使得圖像增強結果較差，無法達到最佳增強效果。果蠅優化算法存在調整參數少、計算量小、全局最優和快速尋優的能力，將果蠅優化算法引入醫學圖像模糊增強，以模糊熵為圖像增強效果的評價指標，通過果蠅優化算法自動尋優實現圖像模糊增強的參數的自適應選擇。實驗結果表明，果蠅優化算法優化可以有效地將醫學圖像變得清晰，同時可以突出某些特征，有效地改善了醫學圖像的視覺效果；與此同時，在保證圖像增強結果的情況下，實現模糊增強參數的自適應選擇。

果蠅優化算法；圖像處理；適應度函數；模糊增強；模糊熵

引言

醫學圖像在實際的采集和傳輸過程中，極易被噪聲污染，使得醫學圖像質量下降，視覺質量模糊不清，因此進行醫學圖像增強有利于提高醫學圖像的質量，同時可以增強圖像區域中某些特征，增加醫學圖像區域對比度。目前，醫學圖像增強的算法包括模糊處理、頻域法和空域法[1-3]。這些方法都需要人工確定渡越點和飽和點，由于這些缺點傳統方法的應用受到限制。

針對傳統的圖像增強算法均存在計算量大、適用性差和參數需要憑經驗進行人工設置等缺點，本文結合果蠅優化算法具有的快速尋優能力，提出一種基于FOA優化模糊集的醫學圖像自適應增強算法。通過FOA優化模糊集的醫學圖像增強，可以實現圖像的自適應模糊增強，效果較好。

1 圖像模糊處理

模糊增強由S.K. Pal等人于1981年[4-6]提出的一種新隸屬度函數的圖像對比度增強算法，該算法流程如下：

1) 依據公式(2)，針對不同圖像和增強的目的，調整隸屬度函數中的參數(Fe,Fd,gmax)，所有μmn構成的集合為模糊特征平面，gmn表示最大像素值，Fe為指數型模糊因子，Fd分為倒數型模糊因子，通過這些參數的調整可以控制模糊性大小。

因此選擇好模糊參數Fe和Fd可以實現圖像的有效增強。當μmn=G(gc) = 0.5時，該點叫做渡越點。渡越點gc和模糊參數的選擇滿足公式(1)的條件[7]：

(1)

確定渡越點gc之后，Fe已知時，由公式(2)能夠計算獲得Fd。

2) 通過G變換將圖像從空間域映射到模糊域。

(2)

(3)

模糊增強的重點在于增強大于0.5的隸屬度值μmn，同時減小小于0.5的隸屬度值，達到減小G的模糊性的目的。

(4)

(a)原始圖像 (b)Fe=1,Fd=32

(c)Fe=1,Fd=64 (d)Fe=1,Fd=128

(e)Fe=3,Fd=64 (f)Fe=5,Fd=64

(g)Fe=7,Fd=64

圖1 不同Fe和Fd時，圖像不同增強效果

2 果蠅優化算法

果蠅優化算法[11](Fruit Fly Optimization Algorithm，FOA)具有控制參數少和收斂速度快的優點，該算法模擬果蠅覓食行而提出的一種的群智能算法，算法流程如下：

Step1：初始化算法參數，果蠅群體大小popsize和最大迭代次數Iteration，果蠅初始位置為X_begin、Y_begin；

Step2：依據公式(5)和(6)，實現果蠅個體尋優方向和距離的計算；

xi=X_begin+Value×rand()

(5)

yt=Y_begin+Value×rand()

(6)

其中，xi和yi表示果蠅個體的位置，Value表示果蠅的搜索距離；

Step3：結合公式(7)和(8)，實現果蠅個體和原點之間的距離di的計算以及實現果蠅個體的味道濃度si的計算；

(7)

(8)

Step4：結合公式(9)，實現味道濃度判定函數的計算，獲得果蠅個體當前位置的味道濃度；

Smellt=Funcyion(si)

(9)

Step5：搜尋到果蠅群體中最佳味道濃度值Smellb和最佳位置xb和yb；

Step6：記錄并保留果蠅最佳位置和最佳味道濃度Smellbest=Snekkb，令X_begin=xb，Y_begin=yb，向果蠅群體最佳位置方向搜索；

Step7：進入尋優迭代過程，重復執行Step2-Step5，若味道濃度好于前一迭代味道濃度，則執行Step6；反之，則返回Step2-Step5。

3 FOA優化模糊增強

3.1 模糊增強的度量

圖像模糊增強的效果主要是向圖像信息熵減小的方向進行的，因此通過對比圖像增強前后的信息熵可以實現模糊增強效果的度量[12-15]。

信息熵可由公式(10)進行定義：

(10)

其中，Pi表示歸一化后的直方圖

模糊熵由公式(11)進行定義：

(11)

其中，MN表示圖像的尺寸大小，Sn表示Shannon函數，其中

Sn= -mA(xi)ln(mA(xi))

-(1-mA(xi))ln(1-mA(xi))

(12)

3.2 適應度函數

模糊熵是一種用來評價圖像增強效果的參數，針對模糊熵主要反映圖像的明亮程度，而對對比度敏感性較低，因此對模糊熵進行改進，其改進之后的表達式如公式(13)所示：

(13)

3.3 FOA模糊增強算法流程

圖2FOA優化模糊集圖像增強流程圖

初始化時，隨機產生一定數量的種群，計算每個種群所對應的Fitness(m)，尋找種群中適應度Fitness(m)的最大值，然后根據FOA算法規則更新粒子的速度和位置。直到計算給定的代數后，用尋得的最大適應度值所對應的模糊增強參數Fe,Fd進行醫學圖像模糊增強。

其算法步驟如下：

1)初始化果蠅群體位置和算法參數；

2)計算每個種群所對應的Fitness(m)，將個體歷史最優值和群體歷史最優值比較；若優于個體或群體歷史最優值，則保留當前值的位置，同時更新個體或群體歷史最優值，反之，則保留上一個歷史最優值；

3) 按照果蠅優化位置的更新規則移動粒子到新的位置；

4)判斷最大代數是否達到，若Lteration

5)以最終尋得的最大適應度值Fitness(m)所對應的模糊增強參數Fe,Fd進行醫學圖像模糊增強。

4 仿真實驗

為了驗證本文算法的有效性，設置種群大小為20，迭代次數為50，以2幅標準測試圖像為測試對象，研究FOA算法圖像模糊增強的效果，其增強效果如圖3、圖4、圖5所示：

(a)Test1.jpg(a’)FOA增強圖像

(b)Test2.jpg(b’)FOA增強圖像

圖3FOA模糊增強效果

(a)Test1.jpg(b)Test2.jpg

圖4FOA模糊增強收斂圖

(a)Test1.jpg原始直方圖 (a’)Test1.jpg增強直方圖

(b)Test2.jpg原始直方圖 (b’)Test2.jpg增強直方圖

圖5FOA模糊增強前后直方圖對比

通過FOA算法優化圖像模糊增強結果對比可知，本文提出的方法可以有效地增強圖像的特征，同時提高圖像的視覺效果，提高效率，避免手工調整參數的不變，在保證圖像質量最佳的情況下，配置最佳的模糊增強參數。

5 結論

通過將果蠅優化算法同圖像模糊增強算法結合，利用果蠅優化算法優良的搜索性能，實現圖像模糊增強參數的最優化選擇，通過改進的模糊熵增強函數實現醫學圖像的模糊增強。實驗結果表明，果蠅優化算法進行圖像模糊增強的效果優于傳統算法，有一定的工程實用價值，同時能夠實現模糊增強參數的自適應調整，效率大大提高。

[1]HuaLi,HyunS.Yang.Fastandreliableimageenhancementusingfuzzyrelaxationtechnique[J].IEEETransactionsonSystems,ManandCybernetics, 2011,19(5):1276～1281.

[2]Dong-lingPeng,TieWu.Ageneralizedimageenhancementalgorithmusingfuzzysetsanditsapplication[J].Proceedingsofthe1stInternationalConferenceonMachineLearningandCybemetics,2012:820～823.

[3]H.R.Tizhoosh,G.Krell,B.Michaelis.Onfuzzyenhancementofmegavoltageimagesinradiationtherapy[J].ProceedingsoftheSixthIEEEInternationalConferenceonFuzzySystems,2007(3):1398～1404.

[4]S.K.Pal,R.A.King.Imageenhancementusingsmoothingwithfuzzysets[J].IEEETransactionsonSystems,ManandCybernetics, 2011,11(7):494～501.

[5]S.K.Pal,R.A.King.OnedgedetectionofX-rayimagesusingfuzzysets[J].IEEETransactionsonPatternAnalysisandMachineIntelligence, 2010,5(1):69～77.

[6]ZhengChunhong,JiaoLicheng,ChenXiping，YuanZhanting.AnewfastfuzzyprocessingmethodforB-scanimage[J].Proceedingsofthe4thWorldCongressonIntelligentControlandAutomation,2002:6～9.

[7]PanRonLiang,MengXiangxu.Amethodoflocalenhancementbasedonfuzzysettheory[J].Proceedingsof3`dWorldCongressonIntelligentControlandAutomation,2011(3):1751～1753.

[8]S.Mirjalili,G.G.Wand,L.Coelho,Binaryoptimizationusinghybridparticleswarmoptimizationandgravitationalsearchalgorithm[J].NeuralComputingandApplications, 2014,25(4):1423-1435.

[9]S.Mirjalili,A.Lewis,Obstaclesanddifficultiesforrobustbenchmarkproblems:Anovelpenalty-basedrobustoptimisationmethod[J].InformationSciences, 2015,13(2)：485-509.

[10]B.Javidy,Ab.Hatamlou,S.Mirjalili,Ionsmotionalgorithmforsolvingoptimizationproblems[J].AppliedSoftComputing, 2015, 5(3):72-79.

[11]Wen-TsaoPan.Anewfruitflyoptimizationalgorithm:Takingthefinancialdistressmodelasanexample[J]Knowledge-BasedSystems，2012(26) :69-74.

[12]劉金華，唐競新，龍圖景.一種改進的模糊邊緣檢測快速算法[J].系統仿真學報，2013,15(2):273～274.

[13]孫偉，夏良正，潘漢.一種基于模糊劃分的邊緣檢測算法[J].中國圖像圖形學報，2012,9(l):18～22.

[14]WangZheng-yao,ChengZheng-xing,TangShaoJie.Thescalespaceinformationmeasurement[J].ChineseJournalofvisualfeaturesofimagebasedgraphics, 2005,10 (7): 922～928.

[15]QianHui-min,MaoYao-bin,WangZhi-quan.Mean-Shifttrackingwithself-updatingtrackingwindow[J].JournalofImageandGraphic, 2007, 12(2): 245-249.

[責任編輯：江雪]

Medical Image Enhancement Based on Fruit Flying Optimization Algorithm

LIU Ding-yi

(Sanjiang University, Nanjing 210012，China)

Medical image in the process of acquisition and transmission and susceptible to noise and blurred, the traditional fuzzy enhancement algorithm computing complexity，is with poor adaptability and control parameters by virtue of experience by hand to adjust and control, efficiency and enhance the disadvantage of poor effect, making the image enhancement results poor, it is unable to achieve the best enhancement effect. Fruit Flying Optimization Algorithm existence parameter adjustment, less calculation amount is small, global optimal and fast search optimization ability, the Drosophila optimization algorithm is introduced to the medical image fuzzy enhancement, on fuzzy entropy for image enhancement effect evaluation index, through Fruit Flying Optimization Algorithm of automatic optimization to achieve image fuzzy enhancement parameter adaptive selection. Experimental results show that the Fruit Flying optimization algorithm optimization can effectively medical image become clear, also can highlight certain features, effectively improve the visual effect of medical image; at the same time, in order to ensure the image enhancement results, fuzzy enhancement is adaptive parameter selection.

Fruit Flying Optimization Algorithm; Fuzzy Enhancement; Lmage Processing; Fitness Function; Fuzzy entropy

2016-07-18

劉定一(1983—)， 男，江蘇靖江人，實驗師，主要從事軟件工程與高性能計算等研究。

TP391.1

A

1671-5330(2016)05-0079-04