多尺度Retinex与NCPSO优化的NSCT图像增强提升对比度

本文主要探讨了基于多尺度Retinex（MSR）和混沌小生境粒子群优化（NCPSO）的非下采样Contourlet变换（NSCT）领域图像增强技术在解决遥感图像和高光谱图像中常见的对比度不足和整体偏暗问题上的应用。NSCT是一种高效的方向敏感图像分解方法，它将图像分解为低频和多个不同频率方向的高频分量，这有助于保留图像的细节信息。 在提出的图像增强方法中，首先对图像进行NSCT分解，对低频分量采用混合灰度函数的多尺度Retinex处理，这种技术能够根据不同尺度的特点调整图像亮度和对比度，提升图像的整体视觉效果。接着，通过非线性增益函数调整高频分量的系数，这个过程是关键，因为它允许对高频信息进行精细控制，避免过度增强导致的噪声放大。 为了找到最佳的非线性增益函数参数，作者引入了混沌小生境粒子群优化算法（NCPSO）。该算法以其全局搜索能力和自适应性，有效地优化了适应度函数——一个兼顾图像对比度和信息熵的量化综合评价指标。对比度的提高有助于突出图像中的细节，而信息熵的增加则保持了图像的丰富度，两者结合能够实现更高质量的图像增强。 实验结果显示，与双向直方图均衡、NSCT、多尺度Retinex、平稳小波变换和传统的Retinex方法等传统图像增强方法相比，基于MSR和NCPSO的NSCT方法在提高图像对比度和信息熵方面表现更为出色，从而显著改善了图像的整体视觉体验。这种方法在遥感和高光谱图像处理领域具有重要的应用价值，特别是在需要增强图像细节和清晰度的情况下。