本文關(guān)鍵詞：基于變分法和偏微分方程的圖像增強和融合方法研究　出處：《中國科學院研究生院(長春光學精密機械與物理研究所)》2016年博士論文　論文類型：學位論文

  更多相關(guān)文章： 變分法 偏微分方程 圖像增強 圖像融合 圖像去噪

【摘要】：隨著科學技術(shù)的發(fā)展,圖像處理被應用到了越來越多的領(lǐng)域。早期的基于線性理論的圖像處理方法已不能滿足實際應用要求,于是不斷涌現(xiàn)出各種各樣的非線性算法,包括概率理論、小波理論、形態(tài)學和變分偏微分方程方法等。其中,變分法和偏微分方程方法具有成熟的數(shù)學理論基礎(chǔ)、多樣的模型形式和快速的數(shù)值算法,將它們引入圖像處理和計算機視覺領(lǐng)域,無疑給該領(lǐng)域提供了有力的解決問題的數(shù)學工具,成為近年來的研究熱點。本論文集中探討了變分法和偏微分方程在圖像增強和融合方面的一些關(guān)鍵問題,主要工作和創(chuàng)新成果如下:圖像增強是指按照實際應用要求,突出圖像中的某些特定信息,為后續(xù)的圖像處理提供高質(zhì)量的圖像信息。目前,應用變分偏微分方程增強圖像細節(jié)的方法主要是利用像素點的特征,設(shè)計自適應擴散函數(shù)來保留圖像細節(jié)或平滑噪聲。而人類視覺對圖像的局部細節(jié)信息變化(梯度)敏感,通過對圖像梯度的調(diào)整可以實現(xiàn)圖像細節(jié)的增強。針對邊緣細節(jié)模糊,對比度低和噪聲大的紅外圖像,基于梯度場重構(gòu)的理論框架,提出了基于梯度場的非線性變換的紅外圖像增強算法,構(gòu)造一個隨著梯度值增大而減小的函數(shù)(?1)作為原圖像梯度場的系數(shù),增強微弱的有用細節(jié),突出圖像的邊緣。將直方圖均衡化應用到圖像的梯度直方圖�？紤]到直接梯度直方圖均衡化會使梯度值過大,圖像產(chǎn)生過增強而出現(xiàn)白色噪點。為了克服直接梯度直方圖均衡化的上述缺點,通過事先設(shè)置自適應閾值對圖像的梯度值進行限定,防止了直接梯度場均衡化給圖像帶來的過增強。在從目標梯度場重建增強的圖像時,引入全變分(TV)模型,噪聲得到了抑制。針對照度不均,細節(jié)埋沒在暗背景或亮背景的圖像,提出了基于梯度場規(guī)定化的圖像增強方法。直方圖規(guī)定化方法可以通過事先確定的函數(shù)指導灰度值的映射,使直方圖成為規(guī)定的形狀,突出重要部分的灰度區(qū)間達到增強圖像的目的。如果函數(shù)選擇恰當,可以取得很好的增強效果。通過對紅外圖像的梯度直方圖分析,構(gòu)造出一個高斯函數(shù)對梯度直方圖進行擴展,增大圖像的梯度值。采用直方圖規(guī)定化方法,實現(xiàn)圖像的梯度直方圖規(guī)定化,得到變換的梯度場。然后,從變換的梯度場重構(gòu)邊緣細節(jié)增強的圖像。對于照度不均的圖像,對重建的圖像做了分層直方圖均衡化處理,使整幅圖像的亮度適中,增強暗背景或亮背景里的細節(jié)信息。進一步地,采用雙峰高斯函數(shù)來擬合圖像梯度直方圖中的目標梯度和微弱細節(jié)的梯度,對兩部分分別進行不同程度的增強。這樣既可以有效地增強了微弱細節(jié)信息,又避免了對目標的邊緣細節(jié)的過增強。圖像融合是綜合利用多幅源圖像的信息互補性,合成一幅更完整、準確的復合圖像,旨在使同一場景的信息能更加有效地被計算機處理和人類感知。圖像融合技術(shù)已被廣泛地應用于軍事、醫(yī)療和科研等領(lǐng)域中。近年來,研究人員提出在梯度域進行圖像融合的方法。人類視覺對于圖像的局部變化敏感(梯度),在圖像的梯度域容易將圖像的邊緣細節(jié)等主要特征融合到梯度場,使重建的融合圖像保留了源圖像的主要特征。因此,其核心是融合梯度場的建立。提出了可以保持源圖像特征和細節(jié)信息的基于結(jié)構(gòu)張量的變分多源圖像融合算法。首先敘述基于結(jié)構(gòu)張量的融合梯度場,然后測量每幅源圖像的特征圖,根據(jù)特征圖為源圖像的每個梯度構(gòu)造一個權(quán)值,將攜帶明顯特征的梯度在融合的梯度場中凸顯出來,從而使源圖像的特征和細節(jié)得到保持,最后應用變分偏微分方程理論從目標梯度場重建出融合的圖像。實驗結(jié)果表明,本文算法融合圖像的灰度平均梯度和信息熵均高于小波變換算法、塔分解法和直接梯度融合算法,視覺效果上,融合圖像很好的保留了源圖像的特征和細節(jié),為圖像目標檢測和識別提供了高質(zhì)量的圖像信息。對于含噪圖像的融合,由于噪聲主要集中在圖像的高頻區(qū),因此容易被當作圖像的有用特征,極大地降低了圖像融合的效果。在計算機視覺領(lǐng)域,對于含有噪聲圖像的融合是一項具有挑戰(zhàn)性的工作�；谔荻刃畔㈧販y量和拉普拉斯擴散約束的圖像融合和去噪方法被提出。該方法首先構(gòu)造融合圖像對比度的梯度場。為了減小噪聲對于圖像特征選擇的影響,應用梯度信息熵作為測量對輸入圖像進行加權(quán)。另外,當重建融合的圖像時,添加了局部自適應p-Laplace擴散約束來進一步抑制噪聲。提出的方法得到的融合圖像可以有效地保持源圖像的細節(jié)特征,同時有效地抑制了噪聲。
【學位授予單位】：中國科學院研究生院(長春光學精密機械與物理研究所)
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;飛利浦半導體推出“靈動100”圖像增強新技術(shù)[J];廣播與電視技術(shù);2001年11期

2 ;飛利浦半導體推出“靈動100”圖像增強新技術(shù)[J];電子世界;2001年11期

3 高進;圖像增強電路設(shè)計[J];光電技術(shù)應用;2005年05期

4 黃世國;耿國華;;一種非線性逆擴散圖像增強算法[J];計算機應用;2006年08期

5 吳笑松;李明;;數(shù)字乳腺圖像增強的應用和比較[J];CT理論與應用研究;2006年04期

6 都安平;趙永強;潘泉;張惠娟;;基于偏振特征的圖像增強算法[J];計算機測量與控制;2007年01期

7 黃世國;耿國華;;一種前后向復擴散圖像增強算法[J];小型微型計算機系統(tǒng);2007年03期

8 李鴻燕;郝潤芳;馬建芬;王華奎;;基于獨立分量分析的圖像增強[J];彈箭與制導學報;2007年05期

9 史卉萍;耿國華;周明全;董建民;;基于模糊集的圖像增強[J];微計算機信息;2008年24期

10 Barry E.Mapen;代永平;;波域中的圖像增強[J];現(xiàn)代顯示;2008年09期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 薛麗;王波濤;;基于形態(tài)學的運動員號碼牌圖像增強[A];第十九屆測控、計量、儀器儀表學術(shù)年會(MCMI'2009)論文集[C];2009年

2 陳鉗生;陳英;李潤午;韋禮珍;;基于遺傳優(yōu)化的小波域印章圖像增強研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

3 張瑩;王太勇;冷永剛;鄧輝;;調(diào)參雙穩(wěn)系統(tǒng)圖像增強應用初探[A];2008年全國振動工程及應用學術(shù)會議暨第十一屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2008年

4 李孟歆;金風;張穎;;一種新的圖像增強混合方法研究[A];創(chuàng)新沈陽文集（A）[C];2009年

5 謝云;余江;裴以建;白寶丹;;基于小生境遺傳算法的圖像增強[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

6 盧漢明;高德俊;;基于多尺度變換相結(jié)合的圖像增強算法[A];第二屆“測繪科學前沿技術(shù)論壇”論文精選[C];2010年

7 張鐵棟;秦再白;朱煒;;基于模糊算法的水聲圖像增強[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

8 劉毅;高旭輝;;一種改進的夜視圖像增強處理算法[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 劉海華;高智勇;陳心浩;舒振宇;;基于形態(tài)學操作的圖像增強方法(英文)[A];第二屆和諧人機環(huán)境聯(lián)合學術(shù)會議(HHME2006)——第15屆中國多媒體學術(shù)會議(NCMT'06)論文集[C];2006年

10 趙建;;基于偏微分方程的非線性圖像增強方法[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅱ[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 陳燕;工業(yè)X射線圖像增強算法研究[D];中北大學;2016年

2 趙文達;基于變分法和偏微分方程的圖像增強和融合方法研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2016年

3 云海姣;針對靶場圖像增強算法的研究與實現(xiàn)[D];中國科學院研究生院(長春光學精密機械與物理研究所);2016年

4 許欣;圖像增強若干理論方法與應用研究[D];南京理工大學;2010年

5 李艷梅;圖像增強的相關(guān)技術(shù)及應用研究[D];電子科技大學;2013年

6 陳一平;圖像增強及其在視覺跟蹤中的應用[D];國防科學技術(shù)大學;2011年

7 王彥臣;基于多尺度數(shù)字X光圖像增強方法的研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2005年

8 孫飛飛;水下圖像增強和復原方法研究[D];中國海洋大學;2011年

9 潘天工;面向PACS系統(tǒng)的圖像增強和圖像加密算法研究[D];哈爾濱理工大學;2014年

10 魯志波;醫(yī)學圖像增強與插值的算法研究[D];解放軍信息工程大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 許文君;灰度圖像多尺度對比度增強電路設(shè)計與實現(xiàn)[D];南京理工大學;2015年

2 陳萌;多重虛擬曝光夜視圖像對比度增強算法研究[D];西南科技大學;2015年

3 孔壯;霧天圖像增強方法研究及FPGA實現(xiàn)[D];電子科技大學;2015年

4 趙雨;基于加權(quán)紅—黑小波變換的DR圖像增強方法研究[D];南方醫(yī)科大學;2015年

5 阿依古力·吾布力;基于剪切波和NSST變換的圖像增強算法研究[D];新疆大學;2015年

6 樓彬彬;基于模式分解的醫(yī)學圖像增強方法的研究與實現(xiàn)[D];東北大學;2013年

7 王沖;基于視網(wǎng)膜機制的圖像增強算法研究[D];電子科技大學;2015年

8 魏生峰;基于模糊數(shù)學理論的醫(yī)學影像增強應用研究[D];電子科技大學;2014年

9 石鑫;運動模糊霧霾圖像增強算法研究[D];東北大學;2013年

10 錢晟;基于Retinex理論的圖像增強算法的應用研究[D];北京工業(yè)大學;2015年

本文編號：1316749