【文章內(nèi)容簡介】 ........................ 17 圖 37 四方向濾波器組框圖 ........................................................................................................... 17 圖 38 五株采樣濾波器組與逼近濾波器組的組合 ....................................................................... 18 圖 39 第三級及三級以后的方向濾波器組結(jié)構(gòu)等效示意圖 ....................................................... 18 圖 310 多通道 l 級樹型結(jié)構(gòu) DFB .................................................................................................. 19 圖 311 多通道 l 級樹型結(jié)構(gòu) DFB .................................................................................................. 20 圖 51 紅外圖像 1 的 4 種增強方法結(jié)果比較 ............................................................................... 35 圖 52 紅外圖像 2 的 4 種增強方法結(jié)果比較 ............................................................................... 35 圖 53 火焰圖像 1 的 5 種增強方法結(jié)果比較 ............................................................................... 39 圖 54 火焰圖像 2 的 5 種增強方法結(jié)果比較 ............................................................................... 39 圖 55 數(shù)字全息圖像 1 的 4 種增強方法結(jié)果比較 ....................................................................... 42 圖 56 數(shù)字全息圖像 2 的 4 種增強方法結(jié)果比較 ....................................................................... 43 表 21 幾種基于局部均值和標(biāo)準差的自適應(yīng)增強方法 ................................................................. 9 表 51 適用于 紅外圖像 的增強 方法與現(xiàn)有方法的定量指標(biāo)評價 ............................................... 36 表 52 適用于 火焰圖像 的增強 方法 與現(xiàn)有方法的定量指標(biāo)評價 ............................................... 40 表 53 適用于 數(shù)字全息圖像 的增強 方法與現(xiàn)有方法的定量指標(biāo)評價 ....................................... 44 畢業(yè)設(shè)計（論文）報告紙 vii 注釋表 PSO Particle Swarm Optimization 粒子群優(yōu)化算法 NCPSO Niche Chaotic Mutation Particle Swarm Optimization 混沌小生境粒子群優(yōu)化算法 ACPSO A Daptive Double Particle Swarms Optimization 混沌 自適應(yīng)雙粒子群優(yōu)化算法 PDFB Pyramid Directional Filter Bank 塔型方向濾波器組 LP Laplacian Pyramid 拉普拉斯金字塔 DFB Directional Filter Bank 方向濾波器組 QFB Quincunx Filter Bank 五株濾波器組 畢業(yè)設(shè)計（論文）報告紙 1 第一章 緒 論 課題研究的目的與意義 21 世紀，人類已進入信息 化時代，據(jù)研究，人類接受的信息中，圖像等視覺信息占75% ~85%。我們生活在一個數(shù)字化時代，隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，幾乎所有的信息可以以數(shù)字的形式呈現(xiàn)在人們面前，數(shù)字圖像正漸漸融入人們的生活，因此對數(shù)字圖像處理技術(shù)的研究是時代的迫切需要。圖像傳遞系統(tǒng)由以下六部分組成：圖像采集、圖像壓縮、圖像編碼、圖像存儲、圖像通信及圖像顯示。各個部分都有可能導(dǎo)致圖像質(zhì)量的退化。在圖像的獲取和傳輸過程中，由于圖像采集器的固有缺陷，或是光照程度，或是傳輸過程中存在各種各樣的噪聲，或是傳感器溫度，都會導(dǎo)致圖像視覺效果不 盡人意，且需要的有用信息無法識別等問題。然而生活中，人們對數(shù)字圖像的視感質(zhì)量及特征信息都有較高的要求，需要利用圖像增強技術(shù)強調(diào)有用信息、增強圖像的對比度、清晰度等。因此圖像增強是數(shù)字圖像處理技術(shù)的重要環(huán)節(jié) [12]。 圖像增強不考慮引起圖像質(zhì)量下降的原因，而是突出預(yù)處理圖像中的有用信息，并衰減不需要的特征，按需要進行適當(dāng)?shù)淖儞Q，擴大圖像中不同物體特征之間的差別，如對對比度、邊緣、輪廓等進行強調(diào)。圖像增強的目的是為了改善圖像的視覺效果，提高圖像的清晰度， 將圖像中感興趣的特征有選擇地突出 ，以便于人與計算機的分析 主處理 [3]。 如今，圖像增強技術(shù)廣泛應(yīng)用 于 人類生活和社會生產(chǎn)的各個方面。例如生物特征識別技術(shù) ，車牌識別、生物醫(yī)學(xué)圖像處理、機械零部件缺陷檢測、紅外圖像處理等，由于不同圖像信息類型差別大，引起圖像質(zhì)量下降的原因不同，因此針對不同圖像研究快速有效的增強算法是本文研究的目的。 圖像增強技術(shù)的國內(nèi)外發(fā)展?fàn)顩r 在圖像增強領(lǐng)域，國內(nèi)外學(xué)者已經(jīng)做了大量卓有成效的研究 工作 ，提出了各種有效的算法。 圖像增強處理方法根據(jù)圖像增強處理所在的空間不同，可分為基于空間域的增強方法和基于頻率域的增強方法兩類 。 空間域處理 方法是在圖像像素組成的二維空間里直接對每一像素的灰度值進行處理，它可以是一幅圖像內(nèi)像素點之間的運算處理，也可以是數(shù)幅圖像間的相應(yīng)像素點之間的運算處理。頻率域處理方法是在圖像的變換域?qū)D 畢業(yè)設(shè)計（論文）報告紙 2 像進行間接處理。其特點是先將圖像進行變換，在空間域?qū)D像作傅里葉變換得到它的頻譜 ， 按照某種變換模型 (如傅里葉變換 )變換到頻率域，完成圖像由空間域變換到頻率域，然后在頻域內(nèi)對圖像進行低通或高通頻率域濾波處理。處理完之后，再將其反變換到空間域。人們對空間域算法已經(jīng)進行了大量研究 [47]，這類算法已比較完善，主要用于圖像對比度的增 強 ，大致可分為 8類： 灰度級校正與函數(shù)變換法、 直方圖修正法 、 基于 局部均值和標(biāo)準差的自適應(yīng)方法、 基于局部直方圖或局部排序統(tǒng)計的自適應(yīng)方法、 模糊集方法、同態(tài)濾波法 、傳感器匹配變換法、兩幀圖像相減法 。 美國宇航局的噴氣推進實驗室首先研究并實現(xiàn)了灰度級校正法 。 該方法通過修整個別圖象點的灰度級 , 以克服原來記錄圖象時非均勻“曝光”映射的現(xiàn)象 , 使衰減多的點在灰度級上得到適當(dāng)?shù)难a償 , 由此改善圖象的對比度 。 在 1999年 Wan等人提出二維子圖直方圖均衡算法。接著 Chen和 Raml提出最小均方誤差雙直方圖均衡算法。為了保持圖像 亮度特性，許多學(xué)者轉(zhuǎn)而研究局部增強處理技術(shù)，提出了許多新的算法：遞歸均值分層均衡處理、遞歸子圖均衡算法、動態(tài)直方圖均衡算法、保持亮度特性動態(tài)直方圖均衡算法、多層直方圖均衡算法、亮度保持簇直方圖均衡處理等 [2]。 改進空域同態(tài)濾波算法 [8], 在補償圖像光照非均衡性、降低計算量的同時 , 有效地保持了圖像低頻信息 , 但低通濾波的權(quán)值取舍、邊緣效應(yīng)補償及補償模型的加權(quán)值等問題仍需進一步研究 。 一些學(xué)者將模糊映射理論引入到圖像增強算法中，提出了包括模糊松弛、模糊熵、模糊 聚類 等增強算法來解決增強算法中映射函數(shù)選擇問題，并且隨著交互式圖像增強技術(shù)的應(yīng)用，可以主觀控制圖像增強效果 [9]。 變換域方法中，傳統(tǒng)的增強算法都利用了傅里葉變換 [10]。上述可以有效地提高圖像的對比度，但是也放大了噪聲，而 且是對整幅圖像處理，無法增強細節(jié)信息，不能很好地表示邊緣和輪廓。 針對這些問題，人們開始研究一些新的基于變換域的圖像增強方法。 1995年， Sweldens提出了一種不依賴于傅里葉變換的小波構(gòu)造新方法 — 提升方法 ， 隨后小波變換興起，在圖像增強中有了廣泛 的 應(yīng)用 [1113]。 小波分析是時間 尺度分析和多分辨率分析的一種新技術(shù)， 傳統(tǒng)的基于小波的圖像 增強方法有：子帶增強法、反銳化掩模法和自適應(yīng)增益法 。 從傳統(tǒng)的小波變換，發(fā)展到二代小波、平穩(wěn)小波，不同程度地提高了圖像的增強效果。然而，二維小波分析不能充分利用數(shù)據(jù)本身特有的幾何特征，不能表示圖像的方向信息，即對圖像中的細節(jié)、連續(xù)邊緣沒有好的增強效果。為此人們不斷提出各種多尺度幾何分析方法，如 Ridgelet變換 [14]、 Bandlet變換、 Curvelet變換 [15]、 Contourlet變換 [1617]。其中 Contourlet 畢業(yè)設(shè)計（論文）報告紙 3 變換具有多分辨率、局域性、方向性的特征，且冗余度低， Contourlet變換 能充分利用原函數(shù)的幾何正則性，其基的支撐區(qū)間表現(xiàn)為“長條形”，已達到用最少的系數(shù)來逼近奇異曲線。因此， Contourlet變換對細小的有方向的輪廓和線段的表達有著獨特的優(yōu)勢，成為了目前圖像增強領(lǐng)域的研究熱點。經(jīng)過 Contourlet變換，代表噪聲的 Contourlet系數(shù)迅速衰減，代表細節(jié)輪廓的系數(shù)相對穩(wěn)定，因此，基于 Contourlet變換的圖像增強算法在增強圖像對比度的同時，可以很好地抑制噪聲，且增強細節(jié)信息，克服了傳統(tǒng)算法的不足 [18]。在 Contourlet變換 基礎(chǔ)上，人們對基于非下采樣 Contourlet、復(fù) Contourlet變換的增強算法作了大量研究 [1921]。 上述算法中一些參數(shù)是人為設(shè)定，需要經(jīng)過大量的實驗才能確定參數(shù)。 算法的不同參數(shù)選擇決定了最后的處理效果。對于在不同環(huán)境不同背景下拍攝的圖像同樣的方法可能要在不同的參數(shù)才能獲得較好的增強效果。算法對圖像的依賴性強，不具備高的魯棒性，就不能很好 地 運用于實際應(yīng)用中 。因此，人們將一系列自適應(yīng)尋優(yōu)算法應(yīng)用于圖像增強技術(shù)，例如：模擬退火算法 [22]、遺傳算法 [23]。 Kennedy 等人受鳥群和魚群搜索食物時個體與群體進行信息交流和共享的協(xié)作方式的 啟發(fā)，提出一種基于群體智能的粒子群優(yōu)化算法 (Particle Swarm Optimization, PSO) [24]，算法簡單，易于實現(xiàn)。 PSO 算法 存在易于過早陷入局部極值點，進化后期收斂速度慢，對于復(fù)雜的問題可能搜索不到最優(yōu)解，計算精度不高等問題 [25]。為了克服 PSO 算法的不足，人們提出了一些混沌 PSO 算法 [2628]。例如：混沌小生境粒子群優(yōu)化算法 (Niche Chaotic Mutation Particle Swarm Optimization, NCPSO)。該算法結(jié)合小生境技術(shù)并加入了淘 汰機制，具有搜索精度高、尋優(yōu)能力強、穩(wěn)定性好等優(yōu)點。 又如 基于混沌變異的自適應(yīng)雙粒子群優(yōu)化算法 (A Daptive Double Particle Swarms Optimization, ACPSO)。該方法采用兩個種群進行協(xié)同進化和分工合作，種群 1 通過運用混沌變量對極值進行擾動，有利于搜索全局最優(yōu)解；種群 2 通過運用自適應(yīng)慣性權(quán)重并且圍繞局部極點精細搜索。該優(yōu)化算法具有高精度，低運算量的優(yōu)點。 圖像質(zhì)量的評價在圖像處理中很重要，因為有了可靠的圖像質(zhì)量度量方法，人們才能正確評價圖像質(zhì)量的好壞、處理技術(shù)的優(yōu)劣及 系統(tǒng)性能的高低。評價方式上，目前典型的基本方法分為兩類：主觀評價和客觀評價。主觀評價方法就是直接利用人們自身的觀察來對圖像做出判斷。其最具代表性的方法就是主觀質(zhì)量評分法，通過對觀察者的評分歸一化來判斷圖像質(zhì)量。它有兩類度量尺度，絕對性尺度和比較性尺度。觀察者根據(jù) 畢業(yè)設(shè)計（論文）報告紙 4 規(guī)定的評價尺度，對測試圖像按視覺效果給出圖像等級，最后將所有觀察者給出的等級進行歸一化平均，得到評價結(jié)果。主觀評價較 為真實全面，會受人的各種視