 |
В. Н. Гридин, К. И. Доманов, В. И. Солодовников "Метод повышения контрастности изображений с использованием генетического алгоритма" |
 |
|
Аннотация.
Представлен метод локального повышения контрастности изображений, основанный на распределении уровней серого в окрестности каждого отдельного пикселя. Произведена автоматизация рассмотренного подхода с использованием генетического алгоритма, что позволило исключить необходимость ручной настройки параметров преобразования. Выбраны необходимые критерии оценки качества изображений, среди которых основными являются: количество краевых пикселей, их суммарная интенсивность, мера энтропии изображения и мера яркостной адаптации. Реализованы программные компоненты и апробировано их функционирование на различных классах изображений, которое показало успешность применения данного подхода для изображений с высокой плотностью распределения градаций яркости, равномерной высвеченностью и слабой величиной градиента граничных пикселей.
Ключевые слова:
изображение, предварительная обработка, яркость, контрастность, качество, пиксель, окрестность, генетический алгоритм, критерии оценки качества.
Стр. 67-75.
DOI 10.14357/20718632230207 Литература
1. Гонзалес Р., Вудс Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное. Москва, Техносфера, 2012, с. 1104. 2. Батищев Д.И., Неймарк Е.А., Старостин Н.В. Применение генетических алгоритмов к решению задач дискретной оптимизации. Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике». Нижний Новгород, 2007, c. 85. 3. Munteanu C., Rosa A. Gray-Scale Image Enhancement as an Automatic Process Driven by Evolution. IEEE Transactions on Systems, Man, and Cybernetics, 2004, с. 1292–1298. 4. Панченко Т.В. Генетические алгоритмы: учебно-методическое пособие. Астрахань, Астраханский университет, 2007, c. 6. 5. Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Харьков, ОСНОВА, 1997, c. 112. 6. Тим Джонс М. Программирование искусственного интеллекта в приложениях: пер. с англ. ДМК Пресс, 2004, c. 312. 7. Демин А.Ю., Дорофеев В.А. Распараллеливание алгоритма выделения границ объектов на основе структурно-графического представления. Томский политехнический университет, 2013, с. 160. 8. Мартьянова А.В., Лабунец В.Г. Задача агрегирования при выделении границ объектов на изображении. Вестник ЮУрГУ, 2015, с. 6. 9. Цветков О.В., Поливанайте Л.В., Куценко С.А., Репина М.В. Простая высокоинформативная метрика для оценки качества изображений в биомедицинских си- стемах. Санкт-Петербург, Биотехносфера, 2014, с. 56. 10. PSNR и SSIM или как работать с изображениями под С – URL: https://habr.com/ru/post/126848/ – Habr (дата обращения 09.09.2022). 11. Akhilesh Verma. A Survey on Image Contrast Enhancement Using Genetic Algorithm. International Journal of Scientific and Research Publications, Volume 2, Issue 7, 2012.
|
