基于变分法和偏微分方程的图像增强和融合方法研究

发布时间：2017-12-21 18:28

  本文关键词：基于变分法和偏微分方程的图像增强和融合方法研究　出处：《中国科学院研究生院(长春光学精密机械与物理研究所)》2016年博士论文　论文类型：学位论文

  更多相关文章： 变分法 偏微分方程 图像增强 图像融合 图像去噪

【摘要】：随着科学技术的发展,图像处理被应用到了越来越多的领域。早期的基于线性理论的图像处理方法已不能满足实际应用要求,于是不断涌现出各种各样的非线性算法,包括概率理论、小波理论、形态学和变分偏微分方程方法等。其中,变分法和偏微分方程方法具有成熟的数学理论基础、多样的模型形式和快速的数值算法,将它们引入图像处理和计算机视觉领域,无疑给该领域提供了有力的解决问题的数学工具,成为近年来的研究热点。本论文集中探讨了变分法和偏微分方程在图像增强和融合方面的一些关键问题,主要工作和创新成果如下:图像增强是指按照实际应用要求,突出图像中的某些特定信息,为后续的图像处理提供高质量的图像信息。目前,应用变分偏微分方程增强图像细节的方法主要是利用像素点的特征,设计自适应扩散函数来保留图像细节或平滑噪声。而人类视觉对图像的局部细节信息变化(梯度)敏感,通过对图像梯度的调整可以实现图像细节的增强。针对边缘细节模糊,对比度低和噪声大的红外图像,基于梯度场重构的理论框架,提出了基于梯度场的非线性变换的红外图像增强算法,构造一个随着梯度值增大而减小的函数(?1)作为原图像梯度场的系数,增强微弱的有用细节,突出图像的边缘。将直方图均衡化应用到图像的梯度直方图。考虑到直接梯度直方图均衡化会使梯度值过大,图像产生过增强而出现白色噪点。为了克服直接梯度直方图均衡化的上述缺点,通过事先设置自适应阈值对图像的梯度值进行限定,防止了直接梯度场均衡化给图像带来的过增强。在从目标梯度场重建增强的图像时,引入全变分(TV)模型,噪声得到了抑制。针对照度不均,细节埋没在暗背景或亮背景的图像,提出了基于梯度场规定化的图像增强方法。直方图规定化方法可以通过事先确定的函数指导灰度值的映射,使直方图成为规定的形状,突出重要部分的灰度区间达到增强图像的目的。如果函数选择恰当,可以取得很好的增强效果。通过对红外图像的梯度直方图分析,构造出一个高斯函数对梯度直方图进行扩展,增大图像的梯度值。采用直方图规定化方法,实现图像的梯度直方图规定化,得到变换的梯度场。然后,从变换的梯度场重构边缘细节增强的图像。对于照度不均的图像,对重建的图像做了分层直方图均衡化处理,使整幅图像的亮度适中,增强暗背景或亮背景里的细节信息。进一步地,采用双峰高斯函数来拟合图像梯度直方图中的目标梯度和微弱细节的梯度,对两部分分别进行不同程度的增强。这样既可以有效地增强了微弱细节信息,又避免了对目标的边缘细节的过增强。图像融合是综合利用多幅源图像的信息互补性,合成一幅更完整、准确的复合图像,旨在使同一场景的信息能更加有效地被计算机处理和人类感知。图像融合技术已被广泛地应用于军事、医疗和科研等领域中。近年来,研究人员提出在梯度域进行图像融合的方法。人类视觉对于图像的局部变化敏感(梯度),在图像的梯度域容易将图像的边缘细节等主要特征融合到梯度场,使重建的融合图像保留了源图像的主要特征。因此,其核心是融合梯度场的建立。提出了可以保持源图像特征和细节信息的基于结构张量的变分多源图像融合算法。首先叙述基于结构张量的融合梯度场,然后测量每幅源图像的特征图,根据特征图为源图像的每个梯度构造一个权值,将携带明显特征的梯度在融合的梯度场中凸显出来,从而使源图像的特征和细节得到保持,最后应用变分偏微分方程理论从目标梯度场重建出融合的图像。实验结果表明,本文算法融合图像的灰度平均梯度和信息熵均高于小波变换算法、塔分解法和直接梯度融合算法,视觉效果上,融合图像很好的保留了源图像的特征和细节,为图像目标检测和识别提供了高质量的图像信息。对于含噪图像的融合,由于噪声主要集中在图像的高频区,因此容易被当作图像的有用特征,极大地降低了图像融合的效果。在计算机视觉领域,对于含有噪声图像的融合是一项具有挑战性的工作。基于梯度信息熵测量和拉普拉斯扩散约束的图像融合和去噪方法被提出。该方法首先构造融合图像对比度的梯度场。为了减小噪声对于图像特征选择的影响,应用梯度信息熵作为测量对输入图像进行加权。另外,当重建融合的图像时,添加了局部自适应p-Laplace扩散约束来进一步抑制噪声。提出的方法得到的融合图像可以有效地保持源图像的细节特征,同时有效地抑制了噪声。
【学位授予单位】：中国科学院研究生院(长春光学精密机械与物理研究所)
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 ;飞利浦半导体推出“灵动100”图像增强新技术[J];广播与电视技术;2001年11期

2 ;飞利浦半导体推出“灵动100”图像增强新技术[J];电子世界;2001年11期

3 高进;图像增强电路设计[J];光电技术应用;2005年05期

4 黄世国;耿国华;;一种非线性逆扩散图像增强算法[J];计算机应用;2006年08期

5 吴笑松;李明;;数字乳腺图像增强的应用和比较[J];CT理论与应用研究;2006年04期

6 都安平;赵永强;潘泉;张惠娟;;基于偏振特征的图像增强算法[J];计算机测量与控制;2007年01期

7 黄世国;耿国华;;一种前后向复扩散图像增强算法[J];小型微型计算机系统;2007年03期

8 李鸿燕;郝润芳;马建芬;王华奎;;基于独立分量分析的图像增强[J];弹箭与制导学报;2007年05期

9 史卉萍;耿国华;周明全;董建民;;基于模糊集的图像增强[J];微计算机信息;2008年24期

10 Barry E.Mapen;代永平;;波域中的图像增强[J];现代显示;2008年09期

中国重要会议论文全文数据库 前10条

1 薛丽;王波涛;;基于形态学的运动员号码牌图像增强[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年

2 陈钳生;陈英;李润午;韦礼珍;;基于遗传优化的小波域印章图像增强研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 张莹;王太勇;冷永刚;邓辉;;调参双稳系统图像增强应用初探[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

4 李孟歆;金风;张颖;;一种新的图像增强混合方法研究[A];创新沈阳文集（A）[C];2009年

5 谢云;余江;裴以建;白宝丹;;基于小生境遗传算法的图像增强[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年

6 卢汉明;高德俊;;基于多尺度变换相结合的图像增强算法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 张铁栋;秦再白;朱炜;;基于模糊算法的水声图像增强[A];第十二届全国图象图形学学术会议论文集[C];2005年

8 刘毅;高旭辉;;一种改进的夜视图像增强处理算法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

9 刘海华;高智勇;陈心浩;舒振宇;;基于形态学操作的图像增强方法(英文)[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

10 赵建;;基于偏微分方程的非线性图像增强方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

中国博士学位论文全文数据库 前10条

1 陈燕;工业X射线图像增强算法研究[D];中北大学;2016年

2 赵文达;基于变分法和偏微分方程的图像增强和融合方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

3 云海姣;针对靶场图像增强算法的研究与实现[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

4 许欣;图像增强若干理论方法与应用研究[D];南京理工大学;2010年

5 李艳梅;图像增强的相关技术及应用研究[D];电子科技大学;2013年

6 陈一平;图像增强及其在视觉跟踪中的应用[D];国防科学技术大学;2011年

7 王彦臣;基于多尺度数字X光图像增强方法的研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2005年

8 孙飞飞;水下图像增强和复原方法研究[D];中国海洋大学;2011年

9 潘天工;面向PACS系统的图像增强和图像加密算法研究[D];哈尔滨理工大学;2014年

10 鲁志波;医学图像增强与插值的算法研究[D];解放军信息工程大学;2007年

中国硕士学位论文全文数据库 前10条

1 许文君;灰度图像多尺度对比度增强电路设计与实现[D];南京理工大学;2015年

2 陈萌;多重虚拟曝光夜视图像对比度增强算法研究[D];西南科技大学;2015年

3 孔壮;雾天图像增强方法研究及FPGA实现[D];电子科技大学;2015年

4 赵雨;基于加权红—黑小波变换的DR图像增强方法研究[D];南方医科大学;2015年

5 阿依古力·吾布力;基于剪切波和NSST变换的图像增强算法研究[D];新疆大学;2015年

6 楼彬彬;基于模式分解的医学图像增强方法的研究与实现[D];东北大学;2013年

7 王冲;基于视网膜机制的图像增强算法研究[D];电子科技大学;2015年

8 魏生峰;基于模糊数学理论的医学影像增强应用研究[D];电子科技大学;2014年

9 石鑫;运动模糊雾霾图像增强算法研究[D];东北大学;2013年

10 钱晟;基于Retinex理论的图像增强算法的应用研究[D];北京工业大学;2015年

本文编号：1316749