圖像增強(qiáng)、去噪與分割新方法的研究.pdf

1、人類大部分信息來源于視覺，對(duì)圖像進(jìn)行處理是人類理解分析信息的重要手段。在對(duì)圖像進(jìn)行高層次的處理（如：圖像識(shí)別、圖像匹配等）之前，有必要對(duì)圖像進(jìn)行中低層次的處理操作，從而提高圖像質(zhì)量，有利于進(jìn)行圖像的后續(xù)處理。本文主要研究了圖像處理中三個(gè)方面的內(nèi)容，分別是圖像增強(qiáng)、圖像去噪和圖像分割。對(duì)于這三個(gè)方面的研究現(xiàn)狀本文均做了簡(jiǎn)單介紹，并詳細(xì)介紹了與本文研究工作密切相關(guān)的某些具體圖像處理算法。
　　 在圖像增強(qiáng)方面本文不僅針對(duì)已有的圖像增

2、強(qiáng)算法提出了新的改進(jìn)算法，也提出了與傳統(tǒng)方法完全不同的增強(qiáng)算法。而在圖像去噪與圖像分割這兩方面，本文則都研究了目前的熱點(diǎn)問題：即基于偏微分方程的圖像處理方法。此類方法在現(xiàn)階段因其突出的處理效果受到了越來越多人的關(guān)注和研究，在對(duì)此類方法進(jìn)行深入研究與分析的基礎(chǔ)上，本文提出了性能更優(yōu)越、處理效果更佳的圖像處理算法。在研究過程中，本文還使用了多種成熟的數(shù)學(xué)工具，如：小波變換與微偏分方程。
　　 本文主要在上述三個(gè)圖像處理領(lǐng)域中，進(jìn)行了

3、以下四個(gè)方面的工作：
　　 （一）研究了以小波變換為工具的空間域圖像增強(qiáng)算法
　　 針對(duì)傳統(tǒng)全局直方圖均衡的圖像增強(qiáng)算法中統(tǒng)計(jì)量存在的問題，定義了兩種新的用于圖像增強(qiáng)的統(tǒng)計(jì)量。這兩種新的統(tǒng)計(jì)量均是以小波變換為工具統(tǒng)計(jì)圖像中的有效信息，其中一種統(tǒng)計(jì)量還對(duì)圖像的噪聲信息進(jìn)行了單獨(dú)統(tǒng)計(jì)，最終將得到的兩種統(tǒng)計(jì)量用于對(duì)圖像的增強(qiáng)處理。
　　 （二）將靜電場(chǎng)中的彈簧振子模型成功地應(yīng)用于圖像增強(qiáng)
　　 已有的空間域圖像

4、增強(qiáng)算法存在自身無法解決的問題：即圖像增強(qiáng)受限于原有圖像灰度級(jí)空間的大小。針對(duì)該問題，本文將靜電場(chǎng)中的彈簧振子模型引入到圖像增強(qiáng)問題中，建立兩者之間的聯(lián)系，根據(jù)圖像增強(qiáng)的要求和圖像自身的約束條件，求解出模型中的各參數(shù)，并將最終得到的模型用于對(duì)圖像的增強(qiáng)處理。
　　 （三）提出了一種自適應(yīng)全變分圖像去噪算法
　　 通過深入研究目前基于偏微分方程的圖像去噪算法，本文對(duì)其中具有代表性的全變分圖像去噪算法進(jìn)行了改進(jìn)。改進(jìn)工作主要

5、體現(xiàn)在以下兩個(gè)方面：1、算法的自適應(yīng)性，原有全變分圖像去噪算法如要取得好的去除噪聲效果，必須已知圖像的噪聲方差，本文通過對(duì)原算法模型的修改，使得在未知圖像噪聲方差的情況下同樣具有十分顯著的去除噪聲效果；2、本文提出的算法具有更突出的去除噪聲效果，抑制了原全變分算法處理結(jié)果中經(jīng)常出現(xiàn)的“階梯效應(yīng)”，使圖像在去除噪聲的同時(shí)，也可獲得更好的圖像質(zhì)量。
　　 （四）提出了一種基于活動(dòng)輪廓模型的自適應(yīng)圖像分割算法
　　 通過深入研

6、究目前基于活動(dòng)輪廓模型的圖像分割算法，本文針對(duì)其中基于區(qū)域的活動(dòng)輪廓模型提出了一種新的自適應(yīng)圖像分割算法。該算法主要有以下兩個(gè)特點(diǎn)：1、在算法的“能量泛函”中同時(shí)包含全局信息和局部信息，這是通過在算法中自適應(yīng)選取局部范圍大小實(shí)現(xiàn)的；2、對(duì)“能量泛函”中與曲線演化有關(guān)的能量項(xiàng)系數(shù)進(jìn)行相對(duì)大小的自適應(yīng)調(diào)整，從而能夠準(zhǔn)確地分割出圖像中的弱邊界。最終將新算法運(yùn)用于對(duì)圖像的分割處理，相對(duì)于傳統(tǒng)經(jīng)典算法有著十分優(yōu)越的分割效果。
　　 在本文