同时实现去噪和反差增强的算法研究

摘要

灰度图像的去噪和反差增强是图像处理技术研究中的两个重要内容，也是改善图像质量最常用的手段。然而，在实际处理中，大多数做法是将二者先后分立，即：先去噪后增强，或先增强后去噪；前一做法往往会破坏图像细节，使图像中原有的弱边缘变得模糊不清，而后一做法，则会在一定程度上放大图像噪声。本文基于图像处理的偏微分方程(Partial Diffeential Equations，简称PDE)方法，研究同时实现灰度图像的去噪和反差增强的相关理论与技术问题。 综述了图像去噪和反差增强的基本内容和常用方法，重点研究了分段线性拉伸函数的反差增强方法，基于全变分的去噪算法和图像复原模型及其数值实现方案。 在研究Sapiro提出的同时实现去噪和反差增强的概念模型基础上，设计了一个同时实现去噪和反差增强的同步算法。实验结果表明：相对于传统算法，该算法对低对比度且含有噪声的灰度图像，可得到更好的处理效果。 提出了一种基于PDE图像复原模型的同时实现去噪和反差增强双重功能的新方法。将图像同时去噪和反差增强的问题转化为图像复原问题，给出了一种改进模型，设计了对应算法。采用人工和自然图像的实验结果表明，基于改进模型的处理结果优于传统方法和上面的同步算法。 针对图像去噪和反差增强这一特定问题，引入了基于图像水平集的形态学误差作为算法处理结果定量评价的判据。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题的研究背景和意义

1.1.1图像去噪

1.1.2图像反差增强

1.1.3同时去噪和反差增强算法的研究意义

1.2基于PDE的数字图像处理概述

1.3论文的创新点与章节安排

第2章图像的去噪和复原

2.1传统的图像滤波方法

2.1.1空域滤波方法

2.1.2频域滤波方法

2.2扩散方程在图像去噪中的应用

2.2.1线性扩散方程

2.2.2非线性扩散方程

2.2.3方向扩散

2.3图像复原

2.3.1图像复原问题的提出

2.3.2传统的图像复原方法

2.3.3全变分理论在图像复原中的应用

2.4小结

第3章图像的反差增强

3.1灰度直方图

3.2传统的反差增强方法

3.2.1基于灰度变换的图像反差增强方法

3.2.2基于直方图均衡化的图像反差增强方法

3.3改善反差的PDE方法

3.3.1直方图均衡化的PDE方法

3.3.2改进的PDE反差增强方法

3.3.3分段线性拉伸函数的设计

3.4小结

第4章去噪与反差增强同步进行的方法

4.1去噪与反差增强同步进行的必要性

4.2 Sapiro建议的方法

4.3本文建议的同步算法

4.3.1关于去噪模型的讨论

4.3.2同步算法设计思路

4.4图像去噪和反差增强的质量评价

4.4.1关于图像处理优劣的一般评价标准

4.4.2图像水平集与图像形态学特征

4.4.3实验中所采用的形态学判据

4.5实验结果

4.5.1人工图像实验

4.5.2自然图像实验

4.6小结

第5章同时去噪和反差增强的改进模型

5.1将同时去噪和反差增强问题转化为图像复原问题

5.1.1理论分析

5.1.2同时去噪和反差增强的三种方法的异同

5.2实现方案

5.2.1关于灰度拉伸函数的讨论

5.2.2算法描述

5.3实验结果

5.3.1人工图像实验

5.3.2自然图像实验

5.4小结

第6章总结与展望

6.1总结

6.2展望

参考文献

攻读硕士学位期间取得的学术成果

致谢