基于鸬鹚优化算法的子图像直方图均衡化用于分割与参数选择
计算机视觉与模式识别
2022-06-01 v1 图像与视频处理
摘要
对比度增强在客观评估图像方面非常重要。对比度增强对于包括监督与无监督算法在内的多种算法准确分类样本也具有重要意义。一些对比度增强算法通过解决低对比度问题来处理该问题。基于均值与方差的子图像直方图均衡化(MVSIHE)算法是文献中提出的此类对比度增强方法之一。它有不同的参数需要调整以获得最优结果。受此启发，在本研究中，我们采用了最新优化算法之一的鸬鹚优化算法(COA)来为 MVSIHE 算法选择合适的参数。盲/无参考图像空间质量评价器(BRISQUE)与自然图像质量评价器(NIQE)指标用于评估鸬鹚种群的适应度。结果表明，所提方法可用于生物医学图像处理领域。
引用
@article{arxiv.2205.15565,
title = {Sub-Image Histogram Equalization using Coot Optimization Algorithm for Segmentation and Parameter Selection},
author = {Emre Can Kuran and Umut Kuran and Mehmet Bilal Er},
journal= {arXiv preprint arXiv:2205.15565},
year = {2022}
}
备注
14 pages