圖像形態(tài)學(xué)和小波分析在圖像增強(qiáng)與邊緣檢測中的應(yīng)用.pdf

1、圖像工程根據(jù)抽象程度和研究方法的不同可分為三個層次：圖像處理、圖像分析和圖像理解，圖像工程是三者有機(jī)結(jié)合及它們工程應(yīng)用的總稱。圖像增強(qiáng)和邊緣檢測是圖像處理中的重要內(nèi)容，圖像目標(biāo)檢測屬于圖像分析及其工程應(yīng)用范疇。 數(shù)學(xué)形態(tài)學(xué)以集合理論為基礎(chǔ)，是幾何形狀描述與分析和非線性濾波的有力工具。小波分析技術(shù)是泛函分析、數(shù)值分析等理論和方法長期發(fā)展的結(jié)果，是信號處理、圖像處理、模式識別、機(jī)器視覺等領(lǐng)域在工具和方法上的重大突破。 因此本

2、文的研究內(nèi)容涉及圖像處理、圖像分析及其工程應(yīng)用，是數(shù)學(xué)形態(tài)學(xué)和小波分析理論在圖像工程中的應(yīng)用研究，研究的重點(diǎn)包括染噪圖像的增強(qiáng)和邊緣檢測等內(nèi)容。 (1)根據(jù)并行復(fù)合順序形態(tài)變換的相關(guān)概念，構(gòu)造非線性濾波器抑制圖像中的脈沖噪聲和高斯噪聲以及均勻分布噪聲，進(jìn)而提出了一種新的圖像增強(qiáng)算法。該算法通過對圖像做局部加權(quán)均值濾波，得到圖像增強(qiáng)的基值分量；采用多方位結(jié)構(gòu)元素與圖像邊緣匹配，計(jì)算圖像關(guān)于各個方位結(jié)構(gòu)元素的加權(quán)均值并選取其中的最大

3、值來確定邊緣；將此最大值與基值分量之差作為增強(qiáng)分量來擴(kuò)大圖像灰度梯度的動態(tài)范圍；針對圖像中的高灰度區(qū)和灰度劇變區(qū)，應(yīng)用圖像局部均值和方差自適應(yīng)調(diào)節(jié)增強(qiáng)系數(shù)。因此，算法在抑制圖像中的高頻噪聲的同時，能有效提升圖像中的邊緣和目標(biāo)。增強(qiáng)前后圖像均值、標(biāo)準(zhǔn)差、圖像熵比較表明，圖像對比度也得到了增強(qiáng)。 (2)在深入理解百分位形態(tài)變換基本概念及相關(guān)性質(zhì)的基礎(chǔ)上；闡述了應(yīng)用百分位形態(tài)變換進(jìn)行邊緣檢測的原理；討論了結(jié)構(gòu)元素和百分位值對邊緣檢測的

4、影響；從采用平面型結(jié)構(gòu)元素和立體型結(jié)構(gòu)元素兩方面，根據(jù)圖像形態(tài)學(xué)多刻度形態(tài)濾波的思想，以抑制噪聲為目的對基本邊緣檢測算子進(jìn)行推廣和擴(kuò)展，構(gòu)造了三種邊緣檢測算子，從理論上分析了算子的特性；在此基礎(chǔ)上采用多結(jié)構(gòu)元與圖像邊緣進(jìn)行匹配，提出了三種廣義形態(tài)邊緣檢測算子并給出了一般表達(dá)形式；著重探討了多結(jié)構(gòu)元素及百分位值選取原則。 (3)推導(dǎo)了反對稱雙正交小波所具有的卷積運(yùn)算性質(zhì)，分析了反對稱雙正交小波所具有的微分算子功能。在此基礎(chǔ)上，根據(jù)

5、給出的針對圖像邊緣檢測的小波分解算法，提出了基于反對稱雙正交小波的多尺度邊緣提取方法。根據(jù)給出的針對圖像邊緣檢測的小波重構(gòu)算法，將小波域圖像濾噪方法和基于局部模大極值檢測的邊緣提取思想相結(jié)合，提出了新的圖像濾噪增強(qiáng)方法，這種圖像增強(qiáng)方法在小波塔式分解數(shù)據(jù)上進(jìn)行，比二進(jìn)小波變換圖像增強(qiáng)方法減少了計(jì)算量。與在小波域系數(shù)上進(jìn)行的圖像濾噪增強(qiáng)方法相比，對邊緣的增強(qiáng)有明顯的針對性，為染噪圖像的小波去噪增強(qiáng)提供了一種新的思路。 (4)針對紅

6、外圖像的特點(diǎn)、紅外圖像的噪聲特性和紅外圖像的灰度特征，在分析和借鑒了紅外圖像預(yù)處理和紅外圖像處理常用技術(shù)和方法的基礎(chǔ)上，提出了基于順序形態(tài)變換和圖像熵差的紅外圖像增強(qiáng)預(yù)處理算法，可以有效地濾除紅外圖像噪聲，增強(qiáng)和銳化圖像邊緣。進(jìn)而提出了基于百分位形態(tài)變換的紅外圖像邊緣檢測方法。 (5)分析了紅外圖像小目標(biāo)和背景的特點(diǎn)以及小目標(biāo)檢測問題的難點(diǎn)。針對目前常用的紅外圖像小目標(biāo)單幀檢測方法的局限性，提出了一種基于順序形態(tài)變換和圖像熵差的

7、復(fù)雜?？毡尘跋录t外圖像小目標(biāo)檢測方法，該方法應(yīng)用行均值相減法和順序形態(tài)濾波方法，抑制起伏相關(guān)背景并提取潛在目標(biāo)點(diǎn)；采用順序形態(tài)邊緣檢測算子和圖像熵差進(jìn)一步去除雜散背景和偽目標(biāo)點(diǎn)并檢測目標(biāo)邊緣。提高了單幀圖像目標(biāo)檢測概率。 (6)根據(jù)包含目標(biāo)的紅外圖像場景模型，將背景圖像理解為由大的結(jié)構(gòu)化背景、起伏背景和雜散背景組成，小目標(biāo)檢測看作剔除結(jié)構(gòu)化背景、抑制起伏背景、去出雜散背景和噪聲的過程。在分析了目標(biāo)、噪聲和結(jié)構(gòu)化背景所具有的不同的