粒子群优化算法应用于图像分析

英国和约旦研究人员开发了一种新的图像处理方法，使用粒子群优化算法（Particle swarm optimization，简写PSO）智能性的强化图像对比和细节，而不会扭曲根基。粒子群优化算法是基于社会群体交互数学模型的计算算法，第一次提出是在1995年。

研究人员指出PSO算法是一种全新的解决所有各类最优化问题的方法，已经应用到计算机科学和电机工程学中。PSO算法依赖群体智能，比如鸟群的捕食行为，群体昆虫的控制等等。这种算法只需简单的数学，不需要强大的计算能力驱动，意味着基于PSO算法的软件并不需要超级计算机。

 图像处理软件公司开发的图像增强方法远未能让人满意，新的使用PSO的软件将能接近理想。算法将把图像中每一个场景视作群体中的独立个体，按照对比标准、轮廓清晰度和其它图像参数对每一个单独片段进行微调。之后算法会与原图比较调整后的效果是变好还是变差。

研究人员认为这项技术可以改进监控器快照的质量，更好的识别个体和汽车车牌照。它同样可用于增强低分辨率照相机拍摄的图像，比如手机摄像头。通过创造一个图像群体，逐步增强的处理过程在电脑的内存里不断的重复进行，最终实现最优化的增强效果。