基于多分辨率分析和混沌PSO的图像增强技术毕业论文.doc
《基于多分辨率分析和混沌PSO的图像增强技术毕业论文.doc》由会员分享,可在线阅读,更多相关《基于多分辨率分析和混沌PSO的图像增强技术毕业论文.doc(57页珍藏版)》请在三一办公上搜索。
1、 编号 南京航空航天大学毕业论文题 目基于多分辨率分析和混沌PSO的图像增强技术南京航空航天大学本科毕业设计(论文)诚信承诺书本人郑重声明:所呈交的毕业设计(论文)(题目:基于多分辨率分析和混沌PSO的图像增强技术)是本人在导师的指导下独立进行研究所取得的成果。尽本人所知,除了毕业设计(论文)中特别加以标注引用的内容外,本毕业设计(论文)不包含任何其他个人或集体已经发表或撰写的成果作品。作者签名: 年 月 日 (学号):基于多分辨率分析和混沌PSO的图像增强技术摘 要图像增强的目的是为了改善图像的视觉效果,提高图像的对比度、清晰度,将图像中感兴趣的特征有选择地突出。本文首先研究了现有的增强算法
2、,传统增强算法无法增强细节信息,而且不能抑制噪声。且传统算法中的参数是由经验所得,不能对不同图像自适应增强。为此,本文针对红外热波图像、火焰图像、数字全息图像的各自特点,提出了基于Contourlet变换和混沌粒子群优化的图像自适应增强算法。首先对图像进行Contourlet变换,然后调整低通子带和带通方向子带系数。对于低通子带采用空间域算法,待定参数由混沌粒子群算法寻优,适应度函数兼顾了峰值信噪比、对比度、清晰度、信息熵四个指标。对于带通方向子带,采用自适应阈值去噪,并对代表细节的系数进行增强。实验中对大量图像进行了增强处理,实验结果表明,与现有的三种增强算法相比,本文的方法能得到更好的视觉
3、效果,并且对所有同类图像都有好的适应性。关键词:图像增强,Contourlet变换,空间域增强,频域增强,混沌粒子群优化本论文受以下基金项目资助:1. 无损检测技术教育部重点实验室(南昌航空大学)开放基金重点项目:Contourlet和混沌PSO在红外热波无损检测图像处理中的应用(批准号:ZD2010290) 2. 煤燃烧国家重点实验室(华中科技大学)开放基金重点项目:基于复Contourlet、混沌粒子群和Krawtchouk矩的火焰图像处理与状态识别(批准号:FSKLCC1001) 3. 瞬态光学与光子技术国家重点实验室开放基金重点项目:基于Contourlet的数字全息再现像方法研究(批
4、准号:FSKLCC1001)Image enhancement technology based on multiresolution analysis and chaotic PSO algorithmAbstractImage enhancement is meant to improve the visual effect, contrast and clarity of image. Moreover, image enhancement can selectively highlight the interesting features of image. In this paper
5、, the existing enhancement algorithms are studied firstly. It finds out that the traditional enhancement algorithms cant enhance the detail information and suppress the noise. In addition, the parameters in traditional algorithms are obtained by experience. Therefore, different images cant be enhanc
6、ed adaptively. In this paper, the respective characteristics of infrared thermal wave image, flame image and digital holographic image are considered. An adaptive infrared image enhancement algorithm based on Contourlet transform and chaotic particle swarms optimization is proposed in this article.
7、Firstly, Contourlet transform of infrared image is performed. Then the coefficients of low-pass subband and band-pass directional subband are adjusted. For the low-pass subband, Spatial domain methods are introduced. The optimal parameters are determined by chaotic particle swarms optimization. The
8、fitness function takes into account four indexes such as peak signal to noise ratio, contrast, definition and entropy. For the band-pass directional subband, noise is suppressed by the adaptive threshold, and the coefficients of details are adjusted. A large number of images are enhanced in the expe
9、riment. The experimental results show that, compared with three tranditional image enhancement methods, the method proposed in this article can get a better visual effect. Furthermore, the method has a good adaptability for all kinds of similar images.Key Words: Image enhancement; Contourlet transfo
10、rm; Spatial domain enhancement; Frequency domain enhancement; Chaotic particle swarms optimization 目 录摘 要iAbstractii目 录iii图表清单vi注释表vii 第一章 绪 论11.1 课题研究的目的与意义11.2 图像增强技术的国内外发展状况11.3 图像增强技术的应用概况41.4 本文的研究工作和内容安排4第二章 图像增强的基本方法62.1 引言62.2 空域法62.3 频域法102.4 本章小结12第三章 多分辨率分析原理及相关增强算法133.1 引言133.2 小波变换133.2
11、.1 连续小波变换133.2.2 多分辨率分析143.2.3 离散小波变换143.3 Contourlet变换163.4 基于小波变换的图像增强算法203.5 基于Contourlet变换的图像增强算法223.6 本章小结24第四章 混沌粒子群优化算法254.1 引言254.2 基本粒子群优化算法254.2.1 PSO的基本思想254.2.2 PSO算法描述264.2.3 基本PSO算法步骤274.3 混沌粒子群优化算法274.3.1 混沌小生境粒子群算法274.3.2 混沌双粒子群算法284.4 本章小结30第五章 针对多种图像的基于Contourlet和混沌PSO的增强算法315.1 引言
12、315.2 图像增强质量评价315.3 适用于红外热波图像的增强算法及实验结果325.3.1 低通子带系数调整325.3.2 带通方向子带系数的自适应调整335.3.3 适应度函数选取345.3.4 基于Contourlet变换和粒子群优化算法步骤345.3.5 实验结果及分析355.4 适用于火焰图像的增强算法及实验结果375.4.1 低通子带的模糊增强375.4.2 带通方向子带的非线性增强375.4.3 图像增强效果评价及适应度函数385.4.4 采用混沌小生境粒子群优化的算法步骤385.4.5 实验结果及分析385.5 适用于数字全息图像的增强算法及实验结果405.5.1 低通子带系数
13、调整405.5.2 带通方向子带系数调整415.5.3 图像质量评价准则和适应度函数415.5.4 基于混沌小生境算法优化的Contourlet域图像增强步骤415.5.5 实验结果及分析425.6 本章小结44第六章 总结与展望456.1 本文主要工作456.2 进一步研究工作46参考文献49致 谢50图表清单图2-1 常用的灰度级函数7图3-1 小波分解示意图15图3-2 小波分解树15图3-3 小波变换二维Mallat分解算法16图3-4 塔式分解过程17图3-5 塔式重构过程17图3-6 楔形频域子带分解17图3-7 四方向滤波器组框图17图3-8 五株采样滤波器组与逼近滤波器组的组合
14、18图3-9 第三级及三级以后的方向滤波器组结构等效示意图18图3-10 多通道级树型结构DFB19图3-11 多通道级树型结构DFB20图5-1 红外图像1的4种增强方法结果比较35图5-2 红外图像2的4种增强方法结果比较35图5-3 火焰图像1的5种增强方法结果比较39图5-4 火焰图像2的5种增强方法结果比较39图5-5 数字全息图像1的4种增强方法结果比较42图5-6 数字全息图像2的4种增强方法结果比较43表2-1 几种基于局部均值和标准差的自适应增强方法9表5-1 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5-2 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
15、5-3 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 Fil
16、ter Bank 方向滤波器组QFB Quincunx Filter Bank 五株滤波器组第一章 绪 论1.1 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
17、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1-2。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
18、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。1.2 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
19、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4-7,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
20、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
21、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
22、泛的应用11-13。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16-17。其中Contourlet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
23、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19-21。上述算法中一些参数是人为设定,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 分辨率 分析 混沌 PSO 图像 增强 技术 毕业论文

链接地址:https://www.31ppt.com/p-3940493.html