摘要：针对传统图像质量增强算法处理不同场景效果较差的问题，提出了一种基于动态自适应优化模型的新型图像质量增强方法，以适应不同场景的需求，提升图像质量增强的效果。首先，根据待增强图像的大气散射特性，构建出一种动态自适应优化模型，并采用图像评价指标PSNR与SSIM设计出上述模型的目标函数，为不同场景下的图像质量增强提供评估标准；在此基础上，设计了一种合作竞争学习算子，由此提出合作竞争人类学习优化算法，以计算出模型的最优透射率阈值t0、滤波窗口n、参数ω，从而构建出最优的动态自适应优化模型，实现不同场景图像质量增强。最后，利用SOTS标测试集中图像和六幅实际场景图像进行图像质量增强实验，并将其与CLAHEMF、IDCPLT和DCP-PSO三种方法进行对比分析。实验结果表明：所提出方法无论是主观视觉效果还是客观评价指标，均优于其他三种对比方法，从而充分验证所提出方法的有效性与可行性。
文章目录
0 引言
1 基于动态自适应优化模型的新型图像质量增强方法
1.1 动态自适应优化模型
1.2 合作竞争人类学习优化算法
1.3 目标函数构建
1.4色彩质量增强
1.5 基于动态自适应优化模型图像去雾实现流程
2 实验结果与分析
2.1 参数敏感性分析实验
2.2 标准数据集对比实验
2.3 实际场景图像对比实验
3 结论
