近年來(lái),隨著科學(xué)技術(shù)的快速發(fā)展,基于計(jì)算機(jī)輔助系統(tǒng)的圖像處理算法也不斷更新,其應(yīng)用領(lǐng)域在人們的生活中逐漸增多,尤其是在醫(yī)學(xué)圖像、遙感圖像和多聚焦圖像處理方面。醫(yī)學(xué)圖像的獲取可以提供患者疾病部位的有用信息,使得醫(yī)生可以對(duì)患者的疾病進(jìn)行快速有效的診斷和治療,但是由于圖像采集設(shè)備的限制和拍攝過(guò)程中受外界因素（如光照強(qiáng)度、溫度等）的干擾,所獲取的圖像質(zhì)量通常較低,這嚴(yán)重影響了對(duì)圖像中重要信息的提取和圖像的后續(xù)處理。遙感圖像作為記錄地貌特征的特殊圖像,其廣泛應(yīng)用到軍事、國(guó)防、民生等領(lǐng)域,例如對(duì)自然災(zāi)害的監(jiān)控、城市規(guī)劃與建設(shè)和土地利用動(dòng)態(tài)監(jiān)測(cè)等;但由于受大氣環(huán)境和傳感器設(shè)備等因素的影響,獲取的遙感圖像通常會(huì)出現(xiàn)清晰度低和亮度不均等缺點(diǎn)。因此對(duì)這些獲取的低質(zhì)量的醫(yī)學(xué)圖像和遙感圖像進(jìn)行有效的增強(qiáng)處理是非常有必要的,而且增強(qiáng)后的圖像更能反映真實(shí)的信息。由于光學(xué)鏡頭的景深有限,使得人們?cè)跀z影時(shí)很難獲取一幅全景清晰的圖像,又因聚焦點(diǎn)不同,所以多聚焦圖像中包含有不同的清晰區(qū)域和模糊區(qū)域,這將不利于對(duì)圖像中信息的提取;圖像融合技術(shù)作為圖像增強(qiáng)的一個(gè)分支,將其應(yīng)用到多聚焦圖像的處理中,可以使得圖像得到有效的增強(qiáng)。... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：140 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

論文整體組織結(jié)構(gòu)圖

具有類似于 Curvelet 變換的各向異性尺度關(guān)系，能夠有效地表示圖像中的輪邊緣信息，充分表現(xiàn)出其捕獲圖像中高維奇異性信息的良好性能[62][63]。Contourlet 變換的基本思想是：首先用拉普拉斯金字塔(Laplacian Pyramid,解得到邊緣的孤立斷點(diǎn)，然后使用二維方向?yàn)V波器組(Directional Filter BaFB)將方向一致的斷點(diǎn)連接成線，形成最基本的輪廓段[63]。Contourlet 分解的示意框圖如圖 2.1 所示，其中陰影部分表示圖像分解時(shí)濾波器在頻域的支撐，而 2,2則表示經(jīng)采樣矩陣 0220下采樣。Contourlet 分解包括尺度分解向子帶分解兩個(gè)重要部分。其中，尺度分解是由 LP 變換完成的，它將圖像到多個(gè)尺度上，也就是進(jìn)行多尺度分解；隨后，經(jīng) LP 分解得到的各個(gè)尺度通過(guò) DFB 進(jìn)行頻域方向分割，從而得到多個(gè)方向子帶，也就是我們所說(shuō)的多方向分解[64][65]。由此可見(jiàn)，Contourlet 變換是由 LP 和 DFB 結(jié)合而形成的濾波器組結(jié)構(gòu)，也被稱為塔形方向?yàn)V波器組(Pyramidal Direction Filter BaDFB)。

圖 2.2 一層 LP 分解示意圖圖 2.3 一層 LP 重構(gòu)示意圖2.1.1 LP 變換由 Burt 和 Adelson 提出的 LP 變換能夠?qū)D像分解到多個(gè)尺度上[66]。如圖 2與圖 2.3 所示分別給出了一層 LP 分解與重構(gòu)的示意圖，其中， 2，2和 2，2分別表示由采樣矩陣 0220進(jìn)行下采樣和上采樣[63]。在分解圖像 X 時(shí)，首先利用低通濾波器 H 和下采樣得到其近似圖像 a，然后將近似 a 插值(即上采樣后經(jīng)低通濾波器 G 濾波)再與原始圖像求差值便得到 LP 分解的高頻部分 d[67]。重構(gòu)時(shí)，將

【參考文獻(xiàn)】：
期刊論文
[1]基于Sentinel-1A衛(wèi)星SAR數(shù)據(jù)地震同震形變場(chǎng)反演——以意大利佩魯賈地震為例[J]. 周鵬,周光.  河北北方學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(05)
[2]形態(tài)學(xué)濾波和改進(jìn)PCNN的NSST域多光譜與全色圖像融合[J]. 焦姣,吳玲達(dá).  中國(guó)圖象圖形學(xué)報(bào). 2019(03)
[3]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)單幅圖像超分辨率重建[J]. 曾接賢,倪申龍.  計(jì)算機(jī)工程與應(yīng)用. 2019(13)
[4]基于多尺度遞歸網(wǎng)絡(luò)的圖像超分辨率重建[J]. 吳磊,呂國(guó)強(qiáng),薛治天,盛杰超,馮奇斌.  光學(xué)學(xué)報(bào). 2019(06)
[5]基于Retinex算法的水面無(wú)人艇海天線檢測(cè)方法[J]. 王傳龍,馬善偉,屈崇.  船舶與海洋工程. 2019(01)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的低照度圖像增強(qiáng)[J]. 馬紅強(qiáng),馬時(shí)平,許悅雷,朱明明.  光學(xué)學(xué)報(bào). 2019(02)
[7]基于NSST域的引導(dǎo)濾波遙感圖像增強(qiáng)方法[J]. 韓晶,賈振紅,楊杰,Nikola Kasabov.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[8]基于非下采樣Shearlet變換與模糊對(duì)比度的合成孔徑雷達(dá)圖像增強(qiáng)[J]. 郭慶榮,賈振紅,楊杰,Nikola KASABOV.  計(jì)算機(jī)應(yīng)用. 2018(09)
[9]Multi-focus image fusion with the all convolutional neural network[J]. 杜超本,高社生.  Optoelectronics Letters. 2018(01)
[10]基于LLF和RBD檢測(cè)的紅外和可見(jiàn)光圖像融合[J]. 王貝貝,王正勇,何小海,吳小強(qiáng).  計(jì)算機(jī)工程與應(yīng)用. 2017(17)

博士論文
[1]基于多分辨率分析的醫(yī)學(xué)圖像融合關(guān)鍵技術(shù)研究[D]. 楊國(guó)城.電子科技大學(xué) 2016
[2]基于多尺度分解的多傳感器圖像融合算法研究[D]. 葉傳奇.西安電子科技大學(xué) 2009

碩士論文
[1]高動(dòng)態(tài)范圍圖像的色調(diào)映射算法研究[D]. 程虹.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所) 2019
[2]基于活躍度度量的多聚焦圖像融合研究[D]. 毛義坪.重慶師范大學(xué) 2019
[3]高動(dòng)態(tài)范圍醫(yī)學(xué)圖像增強(qiáng)方法研究[D]. 王澤琦.東北師范大學(xué) 2019
[4]腦部磁共振圖像自動(dòng)分割方法的研究與應(yīng)用[D]. 陳書海.安徽大學(xué) 2019
[5]基于NSST和Tetrolet變換的圖像增強(qiáng)算法的研究[D]. 張?zhí)m花.新疆大學(xué) 2018
[6]基于視頻處理的煤矸石識(shí)別研究[D]. 張勇.中國(guó)礦業(yè)大學(xué) 2018
[7]基于多分辨率分析的醫(yī)學(xué)圖像融合技術(shù)研究[D]. 田宇.哈爾濱工程大學(xué) 2018
[8]基于多尺度變換的圖像融合方法研究[D]. 柴鵬飛.江南大學(xué) 2017
[9]基于PET/CT的肺結(jié)節(jié)分割與良惡性診斷方法的研究[D]. 閆曉斐.太原理工大學(xué) 2017
[10]基于NSCT和剪切波變換的圖像增強(qiáng)算法的研究[D]. 周飛.新疆大學(xué) 2017



本文編號(hào)：2967701