Image contrast improvement method using genetic algorithm

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The paper presents a method for local image contrast enhancement based on the distribution of gray levels in the vicinity of each individual pixel. The considered approach was automated using a genetic algorithm, which made it possible to eliminate the need for manual adjustment of the transformation parameters. The necessary criteria for assessing the quality of images are selected, among which the main ones are: the number of edge pixels, their total intensity, the measure of image entropy and the measure of brightness adaptation. Software components have been implemented and their functioning has been tested on various classes of images, which has shown the success of this approach for images with a high density of distribution of gradations of brightness, uniform illumination and a weak gradient of boundary pixels.

作者简介

V. Gridin

Design Information Technologies Center Russian Academy of Sciences

编辑信件的主要联系方式.
Email: info@ditc.ras.ru

Doctor of Technical Sciences, Professor, Scientific Director

俄罗斯联邦, Odintsovo, Moscow Region

K. Domanov

Design Information Technologies Center Russian Academy of Sciences

Email: domanovki@student.bmstu.ru

Research Engineer

俄罗斯联邦, Odintsovo, Moscow Region

V. Solodovnikov

Design Information Technologies Center Russian Academy of Sciences

Email: info@ditc.ras.ru

Ph.D., Director

俄罗斯联邦, Odintsovo, Moscow Region

参考

  1. Gonzales R., Woods R. Digital Image Processing. 3rd edition, corrected and enlarged. Moscow, Technosphere, 2012, p. 1104.
  2. Batishchev D.I., Neimark E.A., Starostin N.V. Application of genetic algorithms to solving discrete optimization problems. Educational and methodological material for the advanced training program "Information Technology and Computer Modeling in Applied Mathematics". Nizhny Novgorod, 2007, p. 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, p. 1292–1298
  4. Panchenko T.V. Genetic algorithms: teaching aid. Astrakhan, Astrakhan University, 2007, p. 6.
  5. Voronovsky G.K. Genetic algorithms, artificial neural networks and problems of virtual reality. Kharkov, OSNOVA, 1997, p. 112.
  6. Tim Jones M. Programming artificial intelligence in applications: per. from English. DMK Press, 2004, p. 312.
  7. Demin A.Yu., Dorofeev V.A. Parallelization of the algorithm for selecting the boundaries of objects based on the structural-graphical representation. Tomsk Polytechnic University, 2013, p. 160.
  8. Martyanova A.V., Labunets V.G. The task of aggregation when highlighting the boundaries of objects in the image. Bulletin of SUSU, 2015, p. 6.
  9. Tsvetkov O.V., Polivanaite L.V., Kutsenko S.A., Repina M.V. A simple, highly informative metric for evaluating image quality in biomedical systems. St.Petersburg, Biotechnosphere, 2014, p.56.
  10. PSNR and SSIM or how to work with images under C - URL: https://habr.com/ru/post/126848/ - Habr (accessed 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.

补充文件

附件文件
动作
1. JATS XML
下载


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».