非线性递减惯性权重 PSO 非线性递增函数

图像增强

有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要

首先从全局出发，使用线性函数提升亮度到非线性函数

夜晚图像最显著的特点就是图像亮度和对比度低，细节辨识程度差，以这个问题为解决目标，最简单直接的方法就是使用线性函数提升图像亮度。然而这种方法缺点也很明显，因为采用全局提升亮度的处理方式，不考虑图像亮度的空间分布，使增强结果在亮度高的区域出现不可避免的过饱和现象，细节严

重丢失。为了遏制这一现象，研究者使用了更适合提升图像亮度的非线性单调映射函数，如幂律函数（Power-law function、对数函数（Logarithm function）伽马函数（Gamma function）等。这些非线性函数通过调整参数改变图像亮度的增强幅度，利用非线性函数的特点避免亮度较高区域和低亮度区域增

强相同幅度引起的失真，保持增强结果的自然性。其中，伽马函数的应用较为广泛，配合其他图像处理方法能够合理地提升图像亮度，这些方法都属于全局图像增强算法

直方图均衡化：