基于多分辨率分析和混沌pso的图像增强技术毕业论文(编辑修改稿)

基于多分辨率分析和混沌pso的图像增强技术毕业论文(编辑修改稿)内容摘要：

........................ 17 图 37 四方向滤波器组框图 ........................................................................................................... 17 图 38 五株采样滤波器组与逼近滤波器组的组合 ....................................................................... 18 图 39 第三级及三级以后的方向滤波器组结构等效示意图 ....................................................... 18 图 310 多通道 l 级树型结构 DFB .................................................................................................. 19 图 311 多通道 l 级树型结构 DFB .................................................................................................. 20 图 51 红外图像 1 的 4 种增强方法结果比较 ............................................................................... 35 图 52 红外图像 2 的 4 种增强方法结果比较 ............................................................................... 35 图 53 火焰图像 1 的 5 种增强方法结果比较 ............................................................................... 39 图 54 火焰图像 2 的 5 种增强方法结果比较 ............................................................................... 39 图 55 数字全息图像 1 的 4 种增强方法结果比较 ....................................................................... 42 图 56 数字全息图像 2 的 4 种增强方法结果比较 ....................................................................... 43 表 21 几种基于局部均值和标准差的自适应增强方法 ................................................................. 9 表 51 适用于 红外图像 的增强 方法与现有方法的定量指标评价 ............................................... 36 表 52 适用于 火焰图像 的增强 方法 与现有方法的定量指标评价 ............................................... 40 表 53 适用于 数字全息图像 的增强 方法与现有方法的定量指标评价 ....................................... 44 毕业设计（论文）报告纸 vii 注释表 PSO Particle Swarm Optimization 粒子群优化算法 NCPSO Niche Chaotic Mutation Particle Swarm Optimization 混沌小生境粒子群优化算法 ACPSO A Daptive Double Particle Swarms Optimization 混沌 自适应双粒子群优化算法 PDFB Pyramid Directional Filter Bank 塔型方向滤波器组 LP Laplacian Pyramid 拉普拉斯金字塔 DFB Directional Filter Bank 方向滤波器组 QFB Quincunx Filter Bank 五株滤波器组 毕业设计（论文）报告纸 1 第一章 绪 论 课题研究的目的与意义 21 世纪，人类已进入信息 化时代，据研究，人类接受的信息中，图像等视觉信息占75% ~85%。 我们生活在一个数字化时代，随着计算机技术和网络技术的发展，几乎所有的信息可以以数字的形式呈现在人们面前，数字图像正渐渐融入人们的生活，因此对数字图像处理技术的研究是时代的迫切需要。 图像传递系统由以下六部分组成：图像采集、图像压缩、图像编码、图像存储、图像通信及图像显示。 各个部分都有可能导致图像质量的退化。 在图像的获取和传输过程中，由于图像采集器的固有缺陷，或是光照程度，或是传输过程中存在各种各样的噪声，或是传感器温度，都会导致图像视觉效果不 尽人意，且需要的有用信息无法识别等问题。 然而生活中，人们对数字图像的视感质量及特征信息都有较高的要求，需要利用图像增强技术强调有用信息、增强图像的对比度、清晰度等。 因此图像增强是数字图像处理技术的重要环节 [12]。 图像增强不考虑引起图像质量下降的原因，而是突出预处理图像中的有用信息，并衰减不需要的特征，按需要进行适当的变换，扩大图像中不同物体特征之间的差别，如对对比度、边缘、轮廓等进行强调。 图像增强的目的是为了改善图像的视觉效果，提高图像的清晰度， 将图像中感兴趣的特征有选择地突出 ，以便于人与计算机的分析 主处理 [3]。 如今，图像增强技术广泛应用 于 人类生活和社会生产的各个方面。 例如生物特征识别技术 ，车牌识别、生物医学图像处理、机械零部件缺陷检测、红外图像处理等，由于不同图像信息类型差别大，引起图像质量下降的原因不同，因此针对不同图像研究快速有效的增强算法是本文研究的目的。 图像增强技术的国内外发展状况 在图像增强领域，国内外学者已经做了大量卓有成效的研究 工作 ，提出了各种有效的算法。 图像增强处理方法根据图像增强处理所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两类。 空间域处理 方法是在图像像素组成的二维空间里直接对每一像素的灰度值进行处理，它可以是一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理。 频率域处理方法是在图像的变换域对图 毕业设计（论文）报告纸 2 像进行间接处理。 其特点是先将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱 ， 按照某种变换模型 (如傅里叶变换 )变换到频率域，完成图像由空间域变换到频率域，然后在频域内对图像进行低通或高通频率域滤波处理。 处理完之后，再将其反变换到空间域。 人们对空间域算法已经进行了大量研究 [47]，这类算法已比较完善，主要用于图像对比度的增 强 ，大致可分为 8类： 灰度级校正与函数变换法、 直方图修正法 、 基于 局部均值和标准差的自适应方法、 基于局部直方图或局部排序统计的自适应方法、 模糊集方法、同态滤波法 、传感器匹配变换法、两帧图像相减法。 美国宇航局的喷气推进实验室首先研究并实现了灰度级校正法。 该方法通过修整个别图象点的灰度级 , 以克服原来记录图象时非均匀“曝光”映射的现象 , 使衰减多的点在灰度级上得到适当的补偿 , 由此改善图象的对比度。 在 1999年 Wan等人提出二维子图直方图均衡算法。 接着 Chen和 Raml提出最小均方误差双直方图均衡算法。 为了保持图像 亮度特性，许多学者转而研究局部增强处理技术，提出了许多新的算法：递归均值分层均衡处理、递归子图均衡算法、动态直方图均衡算法、保持亮度特性动态直方图均衡算法、多层直方图均衡算法、亮度保持簇直方图均衡处理等 [2]。 改进空域同态滤波算法 [8], 在补偿图像光照非均衡性、降低计算量的同时 , 有效地保持了图像低频信息 , 但低通滤波的权值取舍、边缘效应补偿及补偿模型的加权值等问题仍需进一步研究。 一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊 聚类 等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果 [9]。 变换域方法中，传统的增强算法都利用了傅里叶变换 [10]。 上述可以有效地提高图像的对比度，但是也放大了噪声，而 且是对整幅图像处理，无法增强细节信息，不能很好地表示边缘和轮廓。 针对这些问题，人们开始研究一些新的基于变换域的图像增强方法。 1995年， Sweldens提出了一种不依赖于傅里叶变换的小波构造新方法 — 提升方法 ， 随后小波变换兴起，在图像增强中有了广泛 的 应用 [1113]。 小波分析是时间 尺度分析和多分辨率分析的一种新技术， 传统的基于小波的图像 增强方法有：子带增强法、反锐化掩模法和自适应增益法。 从传统的小波变换，发展到二代小波、平稳小波，不同程度地提高了图像的增强效果。 然而，二维小波分析不能充分利用数据本身特有的几何特征，不能表示图像的方向信息，即对图像中的细节、连续边缘没有好的增强效果。 为此人们不断提出各种多尺度几何分析方法，如 Ridgelet变换 [14]、 Bandlet变换、 Curvelet变换 [15]、 Contourlet变换 [1617]。 其中 Contourlet 毕业设计（论文）报告纸 3 变换具有多分辨率、局域性、方向性的特征，且冗余度低， Contourlet变换 能充分利用原函数的几何正则性，其基的支撑区间表现为“长条形”，已达到用最少的系数来逼近奇异曲线。 因此， Contourlet变换对细小的有方向的轮廓和线段的表达有着独特的优势，成为了目前图像增强领域的研究热点。 经过 Contourlet变换，代表噪声的 Contourlet系数迅速衰减，代表细节轮廓的系数相对稳定，因此，基于 Contourlet变换的图像增强算法在增强图像对比度的同时，可以很好地抑制噪声，且增强细节信息，克服了传统算法的不足 [18]。 在 Contourlet变换 基础上，人们对基于非下采样 Contourlet、复 Contourlet变换的增强算法作了大量研究 [1921]。 上述算法中一些参数是人为设定，需要经过大量的实验才能确定参数。 算法的不同参数选择决定了最后的处理效果。 对于在不同环境不同背景下拍摄的图像同样的方法可能要在不同的参数才能获得较好的增强效果。 算法对图像的依赖性强，不具备高的鲁棒性，就不能很好 地 运用于实际应用中。 因此，人们将一系列自适应寻优算法应用于图像增强技术，例如：模拟退火算法 [22]、遗传算法 [23]。 Kennedy 等人受鸟群和鱼群搜索食物时个体与群体进行信息交流和共享的协作方式的 启发，提出一种基于群体智能的粒子群优化算法 (Particle Swarm Optimization, PSO) [24]，算法简单，易于实现。 PSO 算法 存在易于过早陷入局部极值点，进化后期收敛速度慢，对于复杂的问题可能搜索不到最优解，计算精度不高等问题 [25]。 为了克服 PSO 算法的不足，人们提出了一些混沌 PSO 算法 [2628]。 例如：混沌小生境粒子群优化算法 (Niche Chaotic Mutation Particle Swarm Optimization, NCPSO)。 该算法结合小生境技术并加入了淘 汰机制，具有搜索精度高、寻优能力强、稳定性好等优点。 又如 基于混沌变异的自适应双粒子群优化算法 (A Daptive Double Particle Swarms Optimization, ACPSO)。 该方法采用两个种群进行协同进化和分工合作，种群 1 通过运用混沌变量对极值进行扰动，有利于搜索全局最优解；种群 2 通过运用自适应惯性权重并且围绕局部极点精细搜索。 该优化算法具有高精度，低运算量的优点。 图像质量的评价在图像处理中很重要，因为有了可靠的图像质量度量方法，人们才能正确评价图像质量的好坏、处理技术的优劣及 系统性能的高低。 评价方式上，目前典型的基本方法分为两类：主观评价和客观评价。 主观评价方法就是直接利用人们自身的观察来对图像做出判断。 其最具代表性的方法就是主观质量评分法，通过对观察者的评分归一化来判断图像质量。 它有两类度量尺度，绝对性尺度和比较性尺度。 观察者根据 毕业设计（论文）报告纸 4 规定的评价尺度，对测试图像按视觉效果给出图像等级，最后将所有观察者给出的等级进行归一化平均，得到评价结果。 主观评价较 为真实全面，会受人的各种视。