【正文】 re,imshow(I2)： 對(duì)比度增強(qiáng)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?yàn)槠骄鶎?duì)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(duì)一個(gè)二維連續(xù)函數(shù)f（x,y),其梯度是一個(gè)矢量，即： （）其模為： （）在使用中為了計(jì)算簡(jiǎn)便，也可以不用上述對(duì)應(yīng)歐式距離的以2為模的方法組合兩個(gè)模板的輸出。一種簡(jiǎn)單的方法是利用城區(qū)距離（以1為模），即 （）另一種簡(jiǎn)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(duì)集中邊緣增強(qiáng)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(qiáng) 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(qiáng)的主要步驟：（1）計(jì)算所需增強(qiáng)的傅里葉變換（2）將其與一個(gè)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(qiáng)的圖頻域增強(qiáng)方法有兩個(gè)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(duì)圖像進(jìn)行增強(qiáng)加工操作，此時(shí)對(duì)應(yīng)的增強(qiáng)可表示為： （） 常用的頻率域增強(qiáng)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(duì)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(shí)現(xiàn)的低通濾波器。他的轉(zhuǎn)移函數(shù)為： （）在Matlab中實(shí)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(zhǎng)，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(gè)大于1值。在一種情況下，高頻增強(qiáng)濾波器實(shí)際上是一種帶通濾波器，只不過(guò)規(guī)定0頻率處的增益為單位1。在實(shí)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(duì)比度，有時(shí)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(guò)原點(diǎn)，則可以稱為laplacian濾波器。n階截?cái)囝l率為d0的Butterwroth高通濾波器的轉(zhuǎn)換函數(shù)為： （）在Matlab中實(shí)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(shí)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(shí)濾掉了低頻分量，使得圖中原來(lái)比較平滑區(qū)域內(nèi)部的灰度動(dòng)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(qiáng)處理算法 在對(duì)紅外圖像增強(qiáng)的處理中，目前常見(jiàn)的增強(qiáng)處理方法還有形態(tài)學(xué)銳化圖像增強(qiáng)、多種算法融合增強(qiáng)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(yùn)算，選取一定尺度，先對(duì)圖像每點(diǎn)分別作腐蝕與膨脹運(yùn)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(méi)有區(qū)分邊緣與平坦區(qū)，沒(méi)有對(duì)噪聲采取措施進(jìn)行抑制，雖然能銳化邊緣，但視覺(jué)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(dòng)調(diào)整。 數(shù)字圖像融合技術(shù)的紅外圖像增強(qiáng)方法是針對(duì)紅外圖像傳輸過(guò)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(guò)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(shí)際的目標(biāo)檢測(cè)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(duì)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(gè)場(chǎng)景的多個(gè)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(hào)層融合。融合算法有效地濾除高斯噪聲和脈沖噪聲，同時(shí)強(qiáng)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(jì)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(lái)，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(gè)新的分支，而且在應(yīng)用上，如信號(hào)處理、圖像處理、模式識(shí)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(kāi)始于1986年，在1987年Mallat 將計(jì)算機(jī)視覺(jué)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(hào)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(wú)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(qiáng)算法外，遺傳算法等也被引入了紅外圖像增強(qiáng)處理的實(shí)際應(yīng)用中，在對(duì)紅外圖像的增強(qiáng)處理中，處理效果各有利弊，本文中對(duì)這些算法不做過(guò)多介紹。 本章在對(duì)紅外圖像的研究中，首先介紹了紅外圖像增強(qiáng)的必要性和優(yōu)點(diǎn)，然后介紹了幾種常見(jiàn)圖像增強(qiáng)的方法，重點(diǎn)對(duì)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(shí)驗(yàn)，取得了較好的增強(qiáng)效果。 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(jué)來(lái)評(píng)定，而視覺(jué)的評(píng)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(duì)其質(zhì)量的評(píng)價(jià)方法和準(zhǔn)則也是特定的，所以，很難對(duì)各種處理定出一個(gè)通用的標(biāo)準(zhǔn)。由此可知，圖像增強(qiáng)沒(méi)有通用的理論，只是看其是否適合實(shí)際的應(yīng)用。第4章 結(jié)論 紅外熱成像技術(shù)在國(guó)民經(jīng)濟(jì)的各個(gè)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(duì)比度比較低、噪聲嚴(yán)重等問(wèn)題，不便于人眼觀測(cè)，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(guò)軟件對(duì)紅外圖像進(jìn)行增強(qiáng)和分割處理操作。本文主要從圖像增強(qiáng)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(jī)理入手，通過(guò)實(shí)驗(yàn)對(duì)比分析了紅外圖像與可見(jiàn)光圖像的直方圖，得到了紅外圖像的特點(diǎn)和直方圖特征。同時(shí)分析了紅外圖像在成像過(guò)程中的噪聲以及圖像的對(duì)比度和分辨率等特性。 （2）針對(duì)紅外圖像特征，對(duì)幾種經(jīng)典的圖像增強(qiáng)算法進(jìn)行了分析，并重點(diǎn)對(duì)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(diǎn)做了較深入的探討。仿真結(jié)果證明，紅外圖像經(jīng)過(guò)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(qiáng)，圖像的整體視覺(jué)效果有明顯改善，有利于后續(xù)的分割和識(shí)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(shí)間等客觀因素及作者的水平所限，仍然有如下幾個(gè)方面需要進(jìn)一步加強(qiáng)： （1）圖像增強(qiáng)算法只能改進(jìn)紅外圖像的增強(qiáng)效果，對(duì)圖像中本身存在的固有噪聲也同時(shí)有一定的放大作用，下一步應(yīng)加強(qiáng)對(duì)增強(qiáng)后圖像噪聲的消除研究。 （2）本文對(duì)紅外圖像灰度方面作了比較多的討論和研究，但是對(duì)小波理論在紅外像處理方面涉及較少，對(duì)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(qiáng)的目的還是為了便于人眼的觀測(cè)及為后續(xù)的識(shí)別和分類等處理操作奠定基礎(chǔ)，而本文較少涉及對(duì)分割出的具體目標(biāo)進(jìn)行識(shí)別和智能控制等處理，在以后的研究中要加強(qiáng)。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(shí)和豐富的實(shí)踐經(jīng)驗(yàn)使我在整個(gè)畢業(yè)設(shè)計(jì)過(guò)程中受益匪淺，學(xué)到了許多專業(yè)知識(shí)和科學(xué)研究方法。在我設(shè)計(jì)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(gè)良好的學(xué)習(xí)環(huán)境和論文創(chuàng)作平臺(tái)，使我在學(xué)習(xí)中不但提高了理論知識(shí)，而且能將理論知識(shí)應(yīng)用于實(shí)際中。我所取得的每一點(diǎn)成績(jī)都與X老師的耐心指導(dǎo)分不開(kāi)，X老師永遠(yuǎn)是我工作和生活中的榜樣。同時(shí)，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(lì)與支持，是我前進(jìn)的動(dòng)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(diǎn)，我將以飽滿的熱情去迎接未來(lái)的挑戰(zhàn)。最后，借此機(jī)會(huì)我向所有關(guān)心、幫助、支持過(guò)我的老師、朋友和同學(xué)表示衷心的感謝！感謝他們?cè)谖宜哪甑膶W(xué)習(xí)及生活中對(duì)我的鼓勵(lì)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(cái)富。