基于非采样Contourlet变换和模糊逻辑的图像增强算法研究

摘要

图像增强作为图像处理的低层次操作，是图像处理的预处理阶段，对图像的高层次操作起着举足轻重的作用，图像增强技术在医学诊断、工业生产、农业生产、军事国防、航空航天等领域得到广泛的应用。
　　 本文从变换方法和模糊增强算法两个方面深入系统的研究了图像增强算法，提出了基于非采样Contourlet 变换（NSCT）和模糊逻辑的灰度图像增强算法和彩色图像增强算法。
　　 NSCT 比小波变换和Contourlet 变换能够更稀疏的表示图像，具有更灵活的多尺度性和多方向性，并且其的平移不变性有效的避免吉布斯现象，因此可以充分获取图像中的几何信息对图像准确的表示。利用NSCT 子代内系数相关性的自适应贝叶斯阈值将NSCT 系数分为强边缘、弱边缘和噪声三类，引入频域弱边缘模糊对比度定义，并对模糊对比度应用分段的模糊增强函数进行增强。通过实验与传统和现有的算法比较，实验证明本文所提出的算法具有很好的鲁棒性，能够有效的增强图像中的细节纹理信息，避免背景信息的增强，而且能够有效的抑制噪声。
　　 针对RGB 彩色图像，在符合人眼视觉的HSV 色彩空间中，将亮度分量采用本文所提出的灰度图像增强算法进行增强，对饱和分量采用自适应直方图均衡化（AHEQ）拉伸，保持色度分量不变。实验证明本文提出的算法能有效的增强图像的亮度、细节和色彩信息，与经典的色彩恢复多尺度Retinex（MSRCR）增强算法比较，更好地解决了色彩失真及光晕伪影现象问题，并且具有更好的抗噪声性能，图像的视觉效果更符合人眼的视觉感知特性。

目录

文摘

英文文摘

声明

第1 章绪论

第2 章非采样Contourlet 变换基本理论及多分辨分析

第3 章基于模糊逻辑的图像增强算法

第4 章基于非采样Contourlet 变换和模糊逻辑的灰度图像增强算法

第五章基于非采样Contourlet 变换和模糊逻辑的彩色图像增强算法

第六章总结与展望

参考文献

致谢

攻读硕士学位期间科研工作及发表论文情况