【正文】 感謝X老師給我創(chuàng)造了一個良好的學(xué)習(xí)環(huán)境和論文創(chuàng)作平臺，使我在學(xué)習(xí)中不但提高了理論知識，而且能將理論知識應(yīng)用于實際中。 （2）針對紅外圖像特征，對幾種經(jīng)典的圖像增強(qiáng)算法進(jìn)行了分析，并重點對灰度變換、直方圖均衡化法和高通濾波等增強(qiáng)算法的優(yōu)缺點做了較深入的探討。 值得注意的是增強(qiáng)后的圖像質(zhì)量好壞主要靠人的視覺來評定，而視覺的評定是一種高度的主觀處理。圖像融合的目的是綜合同一個場景的多個算法結(jié)果圖像的信息，使其更適合圖像匹配處理。在實際應(yīng)用中，為了減少圖像中面積大且緩慢變化的成分的對比度，有時讓0頻率處的增益小于單位1更合適，如果傳遞函數(shù)通過原點，則可以稱為laplacian濾波器。設(shè)函數(shù)f(x,y)與線性位不變算子h（x,y)的卷積結(jié)果是g(x,y),即： （）那么，根據(jù)卷積定理在頻域有 （）其中、分別是、的傅里葉變換。,)。I2=filter2(h,I)。這樣圖像微分增強(qiáng)了邊緣和其他突變（如噪聲）的信息，并削弱了灰度變化緩慢的信息。因此，中值濾波器的空間尺寸必須根據(jù)現(xiàn)有的問題來進(jìn)行調(diào)整。)。39。,7),J)/255。imshow(I)figure,imshow(J)K1=filter2(fspecial(39。這種濾波器的所有系數(shù)都是正的，對3x3的模板來說，在計算出R后要將其除以9再進(jìn)行賦值。從直方圖上看，灰度值高的一邊更為密集。 | l=1，=0,1,...,N1 ()如果l=0，則將其i從0到I（0）的ps（si)對應(yīng)到pu（u0）中去；如果l≧1，則將其I從I（l1）+1到I（l）的ps（si）對應(yīng)到pu（uj）中去。而且由于紅外圖像的灰度大多集中在灰度值較高或灰度值較低的部分，致使圖像的灰度級數(shù)少，層次感很差，而直方圖均衡化法[2526]是非常典型的空域增強(qiáng)算法，它可以大大改善圖像灰度分布的動態(tài)范圍，增加圖像的整體對比度，有效地把信號從背景中取出，這種處理技術(shù)對紅外圖像效果非常明顯，使人眼獲得更好的觀看效果，該算法因其簡單高效得到了廣泛的應(yīng)用?；叶戎亟M使得均衡后的直方圖等間距分布，故相對于均衡而言，圖像主要內(nèi)容的對比度降低，次要內(nèi)容的對比度提高。)。k=0,1,2,...,L1 （）EH代表增強(qiáng)操作Ps為灰度統(tǒng)計直方圖。因此，可以通過改變直方圖的形狀來達(dá)到增強(qiáng)圖像對比度的效果。c=255/log(256)，根據(jù)所處理圖像情況不同，可選取不同的c值，處理結(jié)果會有所不同。通常當(dāng)gamma大于1時，圖像變暗，而當(dāng)gamma小于1時，圖像變亮。對于不同圖像，根據(jù)不同的情況，所選參數(shù)可能有所不同，要根據(jù)實際情況而定。對比拉伸的思想是提高圖像處理時灰度的動態(tài)范圍。點運算是把一幀輸入圖像 f ( x, y ) 修改成輸出圖像 g ( x, y ) 。另外，T能對輸入圖像集進(jìn)行操作，例如，為減少噪音而對K幅圖像進(jìn)行逐像素的求和操作。 （3）圖像增強(qiáng)有利于將目標(biāo)與背景區(qū)別開來，從而可以提取目標(biāo)的輪廓，方便對目標(biāo)的識別。紅外圖像噪聲的情況非常復(fù)雜，因此要完全濾除圖像的噪聲幾乎不可能，因為每一種圖像濾波算法只適合濾除一種或幾種噪聲。紅外成像系統(tǒng)由于探測器陣列數(shù)目有限及探測單元尺寸的限制，空間采樣頻率無法滿足采樣定理，圖像空間分辨率低，混頻現(xiàn)象有時很嚴(yán)重。簡單地說，灰度級的直方圖就是反映一幅圖像中的灰度級與出現(xiàn)這種灰度的概率之間的關(guān)系的圖形。（2）紅外熱圖像表征景物的溫度分布，是灰度圖像，沒有彩色或陰影，故對人眼而言，分辨率低、分辨潛力差。近年來，隨著紅外熱成像系統(tǒng)成本的降低，紅外熱成像系統(tǒng)在國民經(jīng)濟(jì)中也有越來越多的應(yīng)用。因為不同物體或同一物體的不同部位具有不同的紅外輻射特性，所以系統(tǒng)可以直觀的顯示其差異而將他們區(qū)分開來，轉(zhuǎn)換成可見圖像，從而將人類的視覺感知范圍由傳統(tǒng)的可見光譜擴(kuò)展到裸眼看不到的紅外輻射光譜區(qū)。首先采用常用的圖像增強(qiáng)算法如直方圖均衡化、灰度變換算法、圖像的平滑降噪以及銳化方法對紅外圖像進(jìn)行增強(qiáng)處理，并且分析比較各種增強(qiáng)算法的圖像效果。隨著圖像信息處理技術(shù)的發(fā)展，紅外圖像處理的方法也層出不窮。要從復(fù)雜的景物中分辨出目標(biāo)并將其形狀完整地提取出來，閾值的選取是灰度閾值分割的關(guān)鍵。非線性的中值濾波器是邊沿保護(hù)器。Wang. 。紅外熱圖像表征景物的溫度分布，是灰度圖像，沒有彩色或陰影，故對人眼而言，分辨率低、分辨潛力差、沒有立體感；由于景物熱平衡、光波波長長、傳輸距離遠(yuǎn)、大氣氣衰減等原因，造成紅外圖像空間相關(guān)性強(qiáng)、視覺效果模糊；外界環(huán)境的隨機(jī)干擾和熱成像系統(tǒng)的不完善，給紅外圖像帶來多種多樣的噪聲，這些分布復(fù)雜的噪聲使得紅外圖像的信噪比比普通電視圖像低。（7）可快速、有效地收回投資。過去紅外成像的高成本及復(fù)雜性使得該技術(shù)僅使用于一些高精端的防御和科學(xué)應(yīng)用，在民用領(lǐng)域很少涉及。 histogram enhancement。同時利用對紅外目標(biāo)的檢測、分割來確定不易辨認(rèn)的目標(biāo)物，為后續(xù)的識別與智能控制等奠定基礎(chǔ)。本文首先介紹了紅外成像機(jī)理，在分析了紅外圖像特點的基礎(chǔ)上，比較了幾種經(jīng)典紅外圖像增強(qiáng)算法。 contrast enhancement。隨著紅外技術(shù)的發(fā)展，非制冷焦平面陣列的誕生，即使紅外成像系統(tǒng)的成本大大降低，又保證了紅外成像系統(tǒng)的高性能。因此，紅外技術(shù)已經(jīng)廣泛應(yīng)用于電力設(shè)備監(jiān)測、醫(yī)療診斷、無損探傷、故障探測、產(chǎn)品檢驗、污染監(jiān)測、森林防火以及公安消防等領(lǐng)域。由于紅外熱成像系統(tǒng)突出的性能優(yōu)點還遠(yuǎn)沒有得到充分發(fā)揮。線性濾波器的最大優(yōu)點是算法比較簡單且速度比較快，缺點是容易造成細(xì)節(jié)和邊緣模糊。為了使中值濾波能更好的保護(hù)邊緣，目前更多地使用加權(quán)中值濾波器與其改進(jìn)形式。若閾值選的過高，則過多的目標(biāo)點將被誤歸為背景。歸納起來，呈現(xiàn)出以下特點和趨勢： （1）多種數(shù)學(xué)工具。然后針對獲得的紅外圖像較模糊、噪聲大等特點，提出了用直方圖均衡增強(qiáng)灰度、用中值平滑濾波消除噪聲的紅外圖像處理算法。支撐紅外成像技術(shù)的理論與技術(shù)基礎(chǔ)包括紅外物理學(xué)、光電子學(xué)、現(xiàn)代信息處理技術(shù)、材料科學(xué)、精密光學(xué)機(jī)械和特種紅外工藝等。自然界中的一切物體，只要它的溫度高于絕對零度，總是在不斷地發(fā)射紅外輻射。（3）熱成像系統(tǒng)的探測能力和空間分辨率低于可見光 CCD 陣列，使得紅外圖像的清晰度低于可見光圖像?；叶戎狈綀D的橫坐標(biāo)是灰度級，縱坐標(biāo)是該灰度級出現(xiàn)的頻度，它是圖像最基本的統(tǒng)計特性。而制造密集的紅外焦平面陣列，工藝復(fù)雜，費用昂貴，按照傅立葉光學(xué)的觀點，光學(xué)成像系統(tǒng)是一個低通濾波器，由于受到光學(xué)衍射的影響，其傳遞函數(shù)在由衍射極限分辨率所決定的某個截止頻率上，其值全為0。目前濾除噪聲的方法分成兩類：全局處理，它必須知道統(tǒng)計模型，如Wiener濾波、Kalman濾波等方法；采用局部算子，如中值濾波、梯度倒數(shù)加權(quán)濾波等典型算法。 需要注意的是，增強(qiáng)技術(shù)不能增加圖像數(shù)據(jù)本身包含的信息，但是可以凸顯特定特征，尤其對紅外圖像，因為紅外傳感器本身固有的特性，紅外圖像普遍存在著目標(biāo)與背景對比度較差、邊緣模糊等缺點，在加上目標(biāo)距傳感器較遠(yuǎn)，形狀、大小、紋理特性較差，目標(biāo)檢測比較困難，更是需要對紅外圖像進(jìn)行增強(qiáng)處理。通過變換，達(dá)到對比度增強(qiáng)的效果，要注意在變換的過程中，對每一個像素點都經(jīng)過了同樣的處理，因此，以上的方法又叫做點處理。 g ( x, y ) 上每一點像素與f ( x, y ) 上對應(yīng)位置像素坐標(biāo)相同，像素灰度依函數(shù)法則T 映射。為了突出感興趣的目標(biāo)或灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)域，可采用分線段線性變換，常用的三段線性變換如圖 所示，其數(shù)學(xué)表達(dá)式為: （）式中對灰度區(qū)間[0, a ]和[ b , Mf ]加以壓縮，對灰度區(qū)間[ a , b ]進(jìn)行擴(kuò)展。運用Matlab軟件，還可以利用其工具箱中的函數(shù)imadjust（）增強(qiáng)對比度。 用函數(shù)imadjust（）增強(qiáng)對比度圖像反轉(zhuǎn)也是線性變換的一種，就是對圖像的灰度值翻轉(zhuǎn)。 對數(shù)變換曲線 對數(shù)變換利用Matlab工具箱中函數(shù)imadjust()變換圖像，代碼如下：X1=imread(39。這種方法是以概率論為基礎(chǔ)的，常用號的方法有直方圖均衡化和直方圖規(guī)定化?？梢宰C明累積分布函數(shù)能將s的灰度分布近似轉(zhuǎn)換為t的分布。J=histeq(I)。 （3）當(dāng)被合并掉的灰度級構(gòu)成的是重要細(xì)節(jié)，則均衡后細(xì)節(jié)信息損失較大。 直方圖均衡化的優(yōu)點是能自動增強(qiáng)整個圖像的對比度，但它的具體增強(qiáng)效果不易控制，處理結(jié)果總是得到全局均衡化的直方圖。在Matlab中調(diào)用函數(shù)J=histeq（I，hgram）可以實現(xiàn)直方圖規(guī)定化，其中hgram是由用戶指定的向量，規(guī)定將原始圖像I的直方圖近似變換成hgram，hgram中每一個元素都在[0,1]中。平滑空間濾波一般來說，圖像由于受到噪聲干擾，圖像的質(zhì)量有所下降。這種稱為鄰域平均法。average39。figure,imshow(K1)figure,imshow(K2)figure,imshow(K3)。)。 J=imnoise(I,39。 線性銳化濾波圖像增強(qiáng)的另一方面還有突出邊緣，有利于識別和處理?？梢钥闯霾煌奈⒎炙阕釉诰唧w的實現(xiàn)過程中的復(fù)雜程度是不一樣的，因此在使用這些微分算子進(jìn)行圖像銳化處理時，要根據(jù)不同的要求和實際情況選用合適的算法增強(qiáng)處理。imshow(I)figure,imshow(I2)： 拉氏變換算子處理的效果在Matlab中還可以用39。I2=filter2(h,I)/255。頻域增強(qiáng)的主要步驟：（1）計算所需增強(qiáng)的傅里葉變換（2）將其與一個轉(zhuǎn)換函數(shù)相乘。n階截斷頻率為d0的Butterwroth高通濾波器的轉(zhuǎn)換函數(shù)為： （）在Matlab中實現(xiàn)Butterworth高通濾波器，： 原始圖像及Butterworth高通濾波后的圖像 ，圖像很暗，很多細(xì)節(jié)都看不清了，這時由于圖像的大部分能量集中在低頻區(qū)域，而高通濾波使得圖中各區(qū)域的邊界得到較明顯增強(qiáng)的同時濾掉了低頻分量，