【正文】 gure,imshow(I2)： 對比度增強濾波器處理的效果 非線性銳化濾波鄰域平均可以模糊圖像，因為平均對應(yīng)積分，所以利用微分可以銳化圖像。圖像處理中最常用的微分方法是利用梯度。對一個二維連續(xù)函數(shù)f（x,y),其梯度是一個矢量，即： （）其模為： （）在使用中為了計算簡便，也可以不用上述對應(yīng)歐式距離的以2為模的方法組合兩個模板的輸出。一種簡單的方法是利用城區(qū)距離（以1為模），即 （）另一種簡單的方法是利用棋盤距離，即： （）上述這些組合方法本身都是非線性的。常用的空域微分算子有sobel算子、prewitt算子、高斯—拉普拉斯算子等。用Matlab對集中邊緣增強算子的效果進(jìn)行比較，處理結(jié)果如下圖，，： 原始圖像 sobel卷積和sobel濾波 prewitt濾波和log濾波 頻域增強 卷積理論是頻率域技術(shù)的基礎(chǔ)。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。頻域增強的主要步驟：（1）計算所需增強的傅里葉變換（2）將其與一個轉(zhuǎn)換函數(shù)相乘。（3）再將結(jié)果進(jìn)行傅里葉反變換已得到增強的圖頻域增強方法有兩個關(guān)鍵：（1）將圖像從空域轉(zhuǎn)換到頻率域所需要的變換，以及將圖像從頻率域空間轉(zhuǎn)換回空域所需要的變換（2）在頻域空間對圖像進(jìn)行增強加工操作，此時對應(yīng)的增強可表示為： （） 常用的頻率域增強方法有低通濾波和高通濾波。 圖像的能量大部分集中在幅度譜的低頻和中頻度，而圖像的邊緣和噪聲對應(yīng)于高頻部分。因此能降低高頻成分幅度的濾波器就能減弱噪聲的影響。Butterworth低通濾波器是一種物理上可以實現(xiàn)的低通濾波器。他的轉(zhuǎn)移函數(shù)為： （）在Matlab中實現(xiàn)Butterworth低通濾波器，： 加噪圖像及Butterworth低通濾波器去噪圖像 高通濾波高通濾波也稱高頻濾波，它的頻值在0頻率處為單位1，隨著頻率的增長，傳遞函數(shù)的值逐漸增加；當(dāng)頻率增加到一定值之后，傳遞函數(shù)的值通常又回到0值或者降低到某個大于1值。在一種情況下，高頻增強濾波器實際上是一種帶通濾波器，只不過規(guī)定0頻率處的增益為單位1。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。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的同時濾掉了低頻分量，使得圖中原來比較平滑區(qū)域內(nèi)部的灰度動態(tài)范圍被壓縮，因而整幅圖比較昏暗。 其他常用的及改進(jìn)后的紅外圖像增強處理算法 在對紅外圖像增強的處理中，目前常見的增強處理方法還有形態(tài)學(xué)銳化圖像增強、多種算法融合增強圖像、小波變換、遺傳算法等。 形態(tài)學(xué)銳化方法基本原理為結(jié)合形態(tài)學(xué)腐蝕與膨脹兩種運算，選取一定尺度，先對圖像每點分別作腐蝕與膨脹運算，然后在得到的灰度中選取離原灰度最近者，若距離相等，則保持圖像灰度不變。但是基本的形態(tài)學(xué)銳化方法由于沒有區(qū)分邊緣與平坦區(qū)，沒有對噪聲采取措施進(jìn)行抑制，雖然能銳化邊緣，但視覺效果不佳，而且其形態(tài)學(xué)結(jié)構(gòu)不能根據(jù)邊緣自動調(diào)整。 數(shù)字圖像融合技術(shù)的紅外圖像增強方法是針對紅外圖像傳輸過程中經(jīng)常出現(xiàn)的噪聲類型所提出的一種有效算法。在圖像處理過程中，多數(shù)濾波器雖然可以濾掉一定類型的噪聲，但卻不能增加原始圖像的有用背景信息和目標(biāo)信息。實際的目標(biāo)檢測或跟蹤系統(tǒng)迫切要求突出目標(biāo)或背景灰度，增加圖像匹配的有用信息，因而對圖像的預(yù)處理算法提出了更高的要求。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。圖像數(shù)據(jù)融合的方法分為像素層融合、特征層融合、符號層融合。融合算法有效地濾除高斯噪聲和脈沖噪聲，同時強調(diào)了目標(biāo)和背景中的邊緣成分。這種算法基于不同類型噪聲，是影響紅外圖像匹配概率和匹配精度的主要原因，因而可以設(shè)計不同的濾波器濾除不同類型的噪聲，然后將不同算法處理后的圖像按一定的融合規(guī)則重新合并為一幅圖像。 近些年來，小波變換倍受科學(xué)技術(shù)界的重視， 它不僅在數(shù)學(xué)上已形成一個新的分支，而且在應(yīng)用上，如信號處理、圖像處理、模式識別、量子物理以及眾多非線性科學(xué)領(lǐng)域，被認(rèn)為是近年在分析工具及方法上的突破。小波分析方法最早是在1910年Harr提出的小波規(guī)范正交的概念，真正的小波熱開始于1986年，在1987年Mallat 將計算機視覺領(lǐng)域內(nèi)的多尺度分析的思路引入到小波分析中，小波函數(shù)的構(gòu)造以及信號按小波變換的分解與重構(gòu)，其相應(yīng)的算法有效地應(yīng)用于圖像分析與重構(gòu)，這樣初步建立了小波分析的系統(tǒng)理論，為此小波分析無論在理論和應(yīng)用上都得到了廣泛的研究，取得了很多重要應(yīng)用和成果。 除上述幾種常用紅外圖像增強算法外，遺傳算法等也被引入了紅外圖像增強處理的實際應(yīng)用中，在對紅外圖像的增強處理中，處理效果各有利弊，本文中對這些算法不做過多介紹。 本章在對紅外圖像的研究中，首先介紹了紅外圖像增強的必要性和優(yōu)點，然后介紹了幾種常見圖像增強的方法，重點對直方均衡化算法和平滑濾波算法進(jìn)行了研究，并進(jìn)行了仿真實驗，取得了較好的增強效果。 值得注意的是增強后的圖像質(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。因此，為了一種特定的用途采用的一種特定的處理方法，得到一幅特定的圖像，對其質(zhì)量的評價方法和準(zhǔn)則也是特定的，所以，很難對各種處理定出一個通用的標(biāo)準(zhǔn)。由此可知，圖像增強沒有通用的理論，只是看其是否適合實際的應(yīng)用。第4章 結(jié)論 紅外熱成像技術(shù)在國民經(jīng)濟的各個領(lǐng)域都有廣闊的應(yīng)用前景。但是由于紅外成像儀核心器件自身的限制以及環(huán)境等外界條件的影響，使獲得的紅外圖像存在圖像模糊、對比度比較低、噪聲嚴(yán)重等問題，不便于人眼觀測，影響后續(xù)工作，甚至可能引起誤判，造成不必要的損失。為此人們除了繼續(xù)提高紅外熱像儀性能外，還積極尋求通過軟件對紅外圖像進(jìn)行增強和分割處理操作。本文主要從圖像增強方面，研究如何改善和提高紅外圖像處理效果，主要工作有： （1）從紅外圖像的產(chǎn)生機理入手，通過實驗對比分析了紅外圖像與可見光圖像的直方圖，得到了紅外圖像的特點和直方圖特征。同時分析了紅外圖像在成像過程中的噪聲以及圖像的對比度和分辨率等特性。 （2）針對紅外圖像特征，對幾種經(jīng)典的圖像增強算法進(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算法的優(yōu)缺點做了較深入的探討。仿真結(jié)果證明，紅外圖像經(jīng)過本文算法處理后，處理后圖像目標(biāo)邊緣和輪廓比較清晰、細(xì)節(jié)得到增強，圖像的整體視覺效果有明顯改善，有利于后續(xù)的分割和識別處理。 盡管本文在紅外圖像處理算法的研究方面做了一些探索，但是由于時間等客觀因素及作者的水平所限，仍然有如下幾個方面需要進(jìn)一步加強： （1）圖像增強算法只能改進(jìn)紅外圖像的增強效果，對圖像中本身存在的固有噪聲也同時有一定的放大作用，下一步應(yīng)加強對增強后圖像噪聲的消除研究。 （2）本文對紅外圖像灰度方面作了比較多的討論和研究，但是對小波理論在紅外像處理方面涉及較少，對數(shù)學(xué)形態(tài)在圖像的分割方面也很少涉及，缺少相關(guān)的研究。 （3）研究紅外圖像增強的目的還是為了便于人眼的觀測及為后續(xù)的識別和分類等處理操作奠定基礎(chǔ)，而本文較少涉及對分割出的具體目標(biāo)進(jìn)行識別和智能控制等處理，在以后的研究中要加強。參考文獻(xiàn)[1] Rafael ,Richard E. Image Processing Second House of Electronics .[2] 郝文化,田蕾,.[3] 張琨,畢靖,.[4] 陳楊,陳榮娟,.[4]:[5][M].北京: [6]王家文,[M]. [7][J]. [8][M].重慶: [9][M].北京:[10]．南京理工大學(xué)．[11]．2000(3):16[12](3):131136[13]周建勛,王利平,(3)[14]:科學(xué)出版社,2005[15]陳楊,陳榮娟,．:[16]陳錢,柏連發(fā),.致 謝本論文的研究工作自始至終得到了導(dǎo)師X老師的悉心指導(dǎo)，值此論文完成之際，謹(jǐn)向我的導(dǎo)師致以最崇高的敬意和最衷心的感謝。X老師以其嚴(yán)謹(jǐn)?shù)闹螌W(xué)作風(fēng)、淵博的知識和豐富的實踐經(jīng)驗使我在整個畢業(yè)設(shè)計過程中受益匪淺，學(xué)到了許多專業(yè)知識和科學(xué)研究方法。在我設(shè)計論文期間，不管在學(xué)習(xí)還是生活方面，始終得到X老師的淳淳教誨和卓有成效的指導(dǎo)與幫助。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。我所取得的每一點成績都與X老師的耐心指導(dǎo)分不開，X老師永遠(yuǎn)是我工作和生活中的榜樣。同時，要特別感謝我的家人在學(xué)習(xí)和生活上給予我多方面的關(guān)心，他們的勉勵與支持，是我前進(jìn)的動力。四年的學(xué)習(xí)生涯即將結(jié)束，但這又是我踏上漫漫人生征途的新的起點，我將以飽滿的熱情去迎接未來的挑戰(zhàn)。最后，借此機會我向所有關(guān)心、幫助、支持過我的老師、朋友和同學(xué)表示衷心的感謝！感謝他們在我四年的學(xué)習(xí)及生活中對我的鼓勵和幫助，這些都將是我以后工作和生活中一筆寶貴的精神財富。