隨著生物醫(yī)學、機器視覺、工業(yè)檢測等領(lǐng)域中圖像傳感器的發(fā)展,基于偏微分方程的各向異性擴散模型圖像增強算法已經(jīng)被廣泛應用。傳感器模塊需要的功能與效率在不斷提高,使得對各向異性擴散模型圖像增強算法的性能改進成為一個重要課題。本文在對各向異性擴散模型中Perona-Malik模型進行了局限性分析后,找出三點改進之處,包括邊緣細節(jié)保留效果不好、對比度和亮度下降嚴重以及迭代計算時間利用率低。針對缺陷的改進辦法,本文的主要內(nèi)容如下:1、針對邊緣細節(jié)保留效果不好的缺陷,本文借用Laplace圖像增強算法中逆熱擴散方程的思想,同時根據(jù)Perona-Malik模型中各向異性的擴散函數(shù),研究了一種能夠結(jié)合原有擴散函數(shù)的銳化函數(shù),使得改進型Perona-Malik模型算法能夠在邊緣區(qū)域和非邊緣區(qū)域進行不同的操作,達到了增強邊緣細節(jié)信息的作用。2、針對對比度和亮度下降嚴重的缺陷,本文將對數(shù)變換處理放置于改進型PeronaMalik模型算法處理之前,能夠壓縮圖像的高灰度值區(qū)域,擴展低灰度值區(qū)域,從而達到提升圖像對比度和灰度均值的目的。3、針對迭代計算時間利用率低的問題,由于傳統(tǒng)的計算機處理方法已經(jīng)很難滿足算法的硬... 

【文章來源】： 張?zhí)煜?中北大學

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

Perona-Malik模型算法處理結(jié)果

中北大學學位論文13I(x,y,t)=I(x,y)-t(2Ix2+2Iy2)(2-16)在軟件實現(xiàn)過程中，Laplace圖像增強算法主要是依靠3×3模板進行實現(xiàn)，其中常用的3×3模板權(quán)重系數(shù)如圖2-4所示，圖中左側(cè)為四領(lǐng)域模板，右側(cè)為八領(lǐng)域模板，由于各個方向上系數(shù)都為固定的值，所以Laplace圖像增強算法是一種各向同性的模板。0-10-14-10-10-1-1-1-18-1-1-1-1圖2-4Laplace算子權(quán)重系數(shù)模板利用以上兩個模板分別進行處理，文軟件實現(xiàn)平臺為VS2013，使用C++語言和OpenCV3.0開發(fā)庫進行實現(xiàn)，得到如圖2-5所示處理結(jié)果，其中圖2-5(a)為原圖，圖2-5(b)、(d)為四領(lǐng)域和八領(lǐng)域模板處理圖像，圖2-5(c)、(e)為處理圖像與原圖的差值，可以提現(xiàn)出增強算法所增加的細節(jié)信息。(a)原圖(b)四領(lǐng)域模板(c)四領(lǐng)域模板差值(d)八領(lǐng)域模板(e)八領(lǐng)域模板差值圖2-5Laplace算法處理結(jié)果根據(jù)圖像結(jié)果可知，當熱擴散方程進行逆向擴散時，圖像的細節(jié)增強效果變強，但是在增強圖像邊緣細節(jié)的過程中，也將圖像噪聲進行了放大，圖像的邊緣會產(chǎn)生過沖現(xiàn)象，從而對圖像本身的信息造成了干擾，所以這種單方面增強的在實際應用中有很大的局限性。2.3.2改進型Perona-Malik模型算法原理通過分析Laplace算法的逆熱擴散模型，本文針對傳統(tǒng)的Perona-Malik模型，添加其逆擴散函數(shù)，并針對函數(shù)的參數(shù)進行選擇。改進型Perona-Malik模型的迭代形式可以表示為如式(2-17)所示：

中北大學學位論文15圖2-6(b)中為假定取ω=0.1時的流函數(shù)，相比在傳統(tǒng)Perona-Malik模型中，隨著梯度增大，擴散函數(shù)和流函數(shù)緩慢降為0值，改進型Perona-Malik模型在I>K/√ω時，擴散函數(shù)和流函數(shù)由正值變負值。即區(qū)分不同區(qū)域后進行相反的操作，選取ω=0.1時，對應的是銳化I>3.16K的邊緣信息，平滑I<3.16K的非邊緣區(qū)域。因此，選取合適的ω和K值能夠讓改進型Perona-Malik模型合理地進行平滑或銳化操作，從而達到增強圖像細節(jié)的目的[45]。為了防止改進型Perona-Malik模型對圖像的過度銳化操作，選取合適的ω和K值是使算法適用性強的關(guān)鍵。經(jīng)過4次迭代，選取K=1,2,3、ω=0.05,0.2,0.3，如圖2-7和圖2-8所示結(jié)果，其中圖2-7為各參數(shù)處理結(jié)果圖，圖2-8為處理結(jié)果與原圖的差值圖。(a)K=1,ω=0.05(b)K=1,ω=0.2(c)K=1,ω=0.3(d)K=2,ω=0.05(e)K=2,ω=0.2(f)K=2,ω=0.3(g)K=1,ω=0.05(h)K=1,ω=0.2(i)K=1,ω=0.3圖2-7各參數(shù)處理結(jié)果圖(a)K=1,ω=0.05(b)K=1,ω=0.2(c)K=1,ω=0.3

【參考文獻】：
期刊論文
[1]基于CMOS圖像傳感器的彩色濾鏡和微透鏡工藝研究[J]. 史海軍,葉紅波.  集成電路應用. 2020(02)
[2]衛(wèi)星遙感及圖像處理平臺發(fā)展[J]. 趙忠明,高連如,陳東,岳安志,陳靜波,劉東升,楊健,孟瑜.  中國圖象圖形學報. 2019(12)
[3]基于FPGA的微處理器SET敏感性評估方法[J]. 孫駿,梁華國,姚瑤,黃正峰,徐秀敏.  合肥工業(yè)大學學報(自然科學版). 2019(11)
[4]基于實時數(shù)據(jù)的智能農(nóng)業(yè)圖像處理系統(tǒng)的實現(xiàn)[J]. 鄧泓,楊瀅婷,劉志超,彭瑩瓊.  數(shù)字技術(shù)與應用. 2019(11)
[5]基于FPGA和OV5640的圖像采集和處理系統(tǒng)設(shè)計[J]. 裴正雄,彭安金.  機電信息. 2019(32)
[6]基于FPGA的自適應直方圖均衡算法的研究與實現(xiàn)[J]. 賀聰,胡乃瑞,李玉峰.  電子設(shè)計工程. 2019(21)
[7]基于圖像識別和多感知融合的列車自動防護方案[J]. 徐建勇,豐文勝,薛強.  鐵道通信信號. 2019(10)
[8]基于FPGA的HDMI顯示設(shè)備背光視覺增強系統(tǒng)的設(shè)計[J]. 徐建東,肖金球,孫磊.  現(xiàn)代電子技術(shù). 2019(20)
[9]基于FPGA的光電成像與顯示電路設(shè)計[J]. 趙紅偉,劉凱麗,張偉,陳建軍.  光電子技術(shù). 2019(03)
[10]最新商用智能駕駛計算機方案與展望[J]. 袁沂.  汽車文摘. 2019(08)

博士論文
[1]工業(yè)X射線圖像增強算法研究[D]. 陳燕.中北大學 2016

碩士論文
[1]基于FPGA的直線特征高速視覺檢測方法研究[D]. 朱歡歡.哈爾濱工業(yè)大學 2019
[2]基于FPGA圖像邊緣檢測算法的實現(xiàn)[D]. 張敏.中北大學 2019
[3]中繼衛(wèi)星系統(tǒng)寬帶信道模擬器硬件電路設(shè)計與實現(xiàn)[D]. 呂魯振.北京理工大學 2015
[4]基于STM32和FreeRTOS的獨立式運動控制器設(shè)計與研究[D]. 謝鵬程.華南理工大學 2012
[5]對圖像去噪的Perona-Malik模型的改進及數(shù)值算法的研究[D]. 劉曉娜.中央民族大學 2012
[6]紅外熱像儀視頻圖像實時處理器的研制[D]. 顧東升.南京理工大學 2002



本文編號：3001477