【正文】 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的挑戰(zhàn)。我所取得的每一點(diǎn)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。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。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。 （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。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(qiáng)，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(shí)別處理。同時(shí)分析了紅外圖像在成像過程中的噪聲以及圖像的對(duì)比度和分辨率等特性。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(duì)紅外圖像進(jìn)行增強(qiáng)和分割處理操作。第4章 結(jié)論 紅外熱成像技術(shù)在國民經(jīng)濟(jì)的各個(gè)領(lǐng)域都有廣闊的應(yīng)用前景。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)。 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。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(jì)算機(jī)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(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。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。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。實(shí)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(duì)圖像的預(yù)處理算法提出了更高的要求。 數(shù)字圖像融合技術(shù)的紅外圖像增強(qiáng)方法是針對(duì)紅外圖像傳輸過程中經(jīng)常出現(xiàn)的噪聲類型所提出的一種有效算法。 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。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。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，只不過規(guī)定0頻率處的增益為單位1。Butterworth低通濾波器是一種物理上可以實(shí)現(xiàn)的低通濾波器。 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。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。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)。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。圖像處理中最常用的微分方法是利用梯度。I2=filter2(h,I)/255。unsharp39。)。算子實(shí)現(xiàn)對(duì)比度增強(qiáng)濾波器，代碼如下：I=imread(39。imshow(I)figure,imshow(I2)： 拉氏變換算子處理的效果在Matlab中還可以用39。)。h=fspecial(39。39?？梢钥闯霾煌奈⒎炙阕釉诰唧w的實(shí)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(shí)，要根據(jù)不同的要求和實(shí)際情況選用合適的算法增強(qiáng)處理。銳化處理強(qiáng)度與圖像在該點(diǎn)的突變程度有關(guān)。微分運(yùn)算是求信號(hào)的變化率，有加強(qiáng)高頻分量的作用，從而使圖像輪廓清晰。要注意的是，能夠進(jìn)行銳化處理的圖像必須要求有較高的信噪比，否則，圖像銳化后，信噪比更低。 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(shí)別和處理。一般來說，小于中值濾波器面積一半的亮或暗的物體基本上會(huì)被濾掉，而較大的物體則幾乎會(huì)原封不動(dòng)的保存下來。figure,imshow(K1)以上所采用的濾波器也是3x3的中值濾波器，： B=ordfilt2(A,order,domain)處理結(jié)果由以上處理結(jié)可以看出，中值濾波器不像均值濾波器那樣，它在衰減噪聲的同時(shí)不會(huì)使圖像邊界模糊，這也是中值濾波器受歡迎的主要原因。,)。 J=imnoise(I,39。39。imshow(I) K1=medfilt2(J,[3,3])。salt39。)。加入椒鹽噪聲，并采用中值濾波器，代碼如下：I=imread(39。由此看出，中值濾波器的主要功能就是讓與周圍像素灰度值的差比較大的像素改取與周圍像素值接近的值，從而可以消除孤立的噪聲點(diǎn)。 加入椒鹽噪聲的圖像和3x3均值濾波處理后圖像 5x5和7x7的均值濾波處理后的圖像中值濾波器是最常用的非線性平滑濾波器。figure,imshow(K1)figure,imshow(K2)figure,imshow(K3)。average39。,5),J)/255。K2=filter2(fspecial(39。average39。,)。J=imnoise(I,39。39。這種稱為鄰域平均法。設(shè)輸入圖像f(x,y)為M*N矩陣，低通濾波器沖擊響應(yīng)h（x,y)為L*L的二維矩陣，經(jīng)過卷積運(yùn)算，則低通濾波器的輸出結(jié)果為M*N矩陣： ()線性低通濾波器是最常用的線性平滑濾波器。 所謂的均值濾波是指在圖像上對(duì)待處理的像素給一個(gè)模板，該模板包括了其周圍的鄰近像素。圖像平滑的思想是，通過一點(diǎn)和周圍幾個(gè)點(diǎn)的運(yùn)算來去除突然變化的點(diǎn)，從而濾除噪聲，但圖像會(huì)有一定程度的模糊。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。使用直方圖均衡化得到的結(jié)果在一些較暗的區(qū)域有些細(xì)節(jié)仍不清楚；采用直方圖規(guī)定化對(duì)同一幅圖像進(jìn)行處理，所得的結(jié)果比均衡化更亮，對(duì)應(yīng)于均衡化圖像中較暗區(qū)域的一些細(xì)節(jié)更清晰。hgram=0:255J=histeq(I,hgram)。39。在Matlab中調(diào)用函數(shù)J=histeq（I，hgram）可以實(shí)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(gè)元素都在[0,1]中?，F(xiàn)在要確定能使下式達(dá)到最小的I(1)。對(duì)應(yīng)規(guī)則可選用組映射規(guī)則（Group Mapping Law，GML）。這時(shí)可采用比較靈活的直方圖規(guī)定化。 直方圖均衡化的優(yōu)點(diǎn)是能自動(dòng)增強(qiáng)整個(gè)圖像的對(duì)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。因此在實(shí)時(shí)處理中，直方圖均衡是一種常用的方法。另外，均衡后的噪聲比處理前明顯，這是因?yàn)榫鉀]有區(qū)分有用信號(hào)和噪聲，當(dāng)原圖像中噪聲較多時(shí)，噪聲被增強(qiáng)。均衡后的直方圖并非完全平坦，這是因?yàn)樵陔x散灰度下，直方圖只是近似的概率密度。 （3）當(dāng)被合并掉的灰度級(jí)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。 （2）直方圖均衡將直方圖峰值區(qū)域的灰度級(jí)拉開，實(shí)際上提高了圖像主要內(nèi)容的對(duì)比度。通過以上的理論分析和對(duì)具體紅外圖像的處理，可以得出關(guān)于直方圖均衡的幾個(gè)結(jié)論： （1）直方圖均衡實(shí)質(zhì)上是減少灰度等級(jí)以換取對(duì)比度的加大。從處理前后效果可以看出，許多在原始圖像中看不清的細(xì)節(jié)在直方圖均衡化處理所得的圖像中都十分清晰。J=histeq(I)。39。這里指定均衡化后的灰度級(jí)數(shù)n，缺省值為64。為了使圖像更清晰，我們采用直方圖均衡化的方法來增強(qiáng)圖像灰度動(dòng)態(tài)范圍，增強(qiáng)對(duì)比度?？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。用sk表示第 k 級(jí)灰度值，t表示增強(qiáng)圖像中像素的灰度值，tk表示第k級(jí)，并對(duì)sk和tk作歸一化處理，則直方圖均衡化可表示為： 01。直方圖均衡化是把原始圖的灰度統(tǒng)計(jì)直方圖變換為均勻分布的形式，這樣就增加了像素灰度值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。HE 算法的灰度級(jí)調(diào)整策略是像素多的灰度被擴(kuò)展得到更多的灰度級(jí)，像素少的灰度被壓縮得到很少的灰度級(jí)。這種方法是以概率論為基礎(chǔ)的，常用號(hào)的方法有直方圖均衡化和直方圖規(guī)定化。由定義式可知，P(Sk)給出了對(duì)Sk出現(xiàn)概率的一個(gè)