基于小波域局部特征的圖像去噪與融合.pdf

1、本論文的研究目標是分析和發(fā)掘圖像在空間域、變換域的局部特征并將其應(yīng)用于小波域的圖像去噪和圖像融合。本文的工作主要針對小波域圖像去噪與尺度間系數(shù)對齊問題相關(guān)的圖像細節(jié)模糊問題、Bandlet變換的自底向上蠻力搜索圖像幾何正則性的低效問題、基于紅外圖像增強低亮度光學(xué)圖像時引入的漂白現(xiàn)象,以及小波域定義的多種對比度(顯著性測度)的關(guān)系及其對相關(guān)融合算法性能的影響問題。研究的內(nèi)容涉及到提出解決這些問題的概念、定義和算法,通過必要的仿真實驗和實際

2、圖像的應(yīng)用實驗,驗證了新方法的性能,并和現(xiàn)有的其它同類方法進行了比較和分析。本文的主要研究成果為:
　　1.針對現(xiàn)有的基于圖像相似性指標UIQI和SSIM中在計算對比度相似性的時候并未考慮圖像局部背景亮度的問題,提出了一種綜合性圖像質(zhì)量測度指標,該指標著重強調(diào)了主觀評價和客觀評價的全面考量,特別是考慮到人類視覺心理對于細節(jié)保持和圖像對比度的感知特點,由此得到的評價指標比原來的UIQI和SSIM指標與人類視覺感知的特點更為一致。

3、r>　　2.針對原有Bandlet變換中自底向上蠻力搜索圖像正則幾何、存在大量無效搜索量的問題,結(jié)合了圖像作為二維函數(shù)的全變差值與目標邊界間的積分關(guān)系,設(shè)計了一種自頂向下的幾何搜索策略,并用以改進原Bandlet變換算法。新的改進算法可以避免多種區(qū)域的幾何搜索操作,如勻質(zhì)或常值區(qū)域、零值區(qū)域等,從而可以提高Bandlet變換算法的時間性能;
　　3.在應(yīng)用小波等多分辨分析去除圖像噪聲時,人們基于小波變換系數(shù)尺度間和尺度內(nèi)的相關(guān)性,

4、建立了多種模型,最常見的是 Markov鏈、Markov樹、高斯混合分布等統(tǒng)計模型。而基于尺度間點態(tài)預(yù)測和尺度內(nèi)插值的非統(tǒng)計模型則另辟蹊徑,完全不必考慮小波變換系數(shù)的統(tǒng)計特性——借助于尺度間的(大值)系數(shù)位置預(yù)測、通過求解一個確定性方程組即可完成基于SURE原理的閾值法去噪。然而這種尺度間的預(yù)測至少存在兩個方面的問題,一是經(jīng)過逐級下采樣操作后,細尺度大系數(shù)在粗尺度下可能會消失;二是由于Gibbs效應(yīng)影響,尺度間的大系數(shù)未必能夠互相對應(yīng),

5、細尺度下的大值系數(shù)未必對應(yīng)于粗尺度下同一位置的大值系數(shù),反之亦然。這個算法缺陷的直接后果就是在去噪過程中丟失弱紋理細節(jié)。借鑒于Bandlet變換定義圖像局部幾何流的思想,通過設(shè)定小波域尺度間方向幾何流預(yù)測的方法,本文解決了這一弱紋理細節(jié)去噪后被弱化以致模糊的問題;該方法的關(guān)鍵在于,盡管個別像素點的系數(shù)可能會在粗尺度由于下采樣消失、在不同的尺度間失去原來的位置對應(yīng)關(guān)系,但是,這樣的像素點所附著的圖像幾何元卻依然存在,其位置和尺度間對應(yīng)關(guān)系

6、并不隨尺度變化而變化。換言之,該項工作利用具有尺度間不變性的方向幾何流特征間的對應(yīng)預(yù)測關(guān)系解決了去噪后紋理等細節(jié)模糊的問題
　　4.針對紅外圖像中像素值亮度(直方圖)分布的局部特征,通過拉伸直方圖上暗區(qū)像素的差異、同時壓縮明亮區(qū)域像素的差異,并用于增強與之相對應(yīng)的光學(xué)圖像,從而可以消除增強圖像和融合圖像中存在的漂白效應(yīng),使得到的融合圖像具有光學(xué)域的特點便于人類視覺系統(tǒng)感知,又能夠避免漂白效應(yīng)混淆目標特征及其邊界。產(chǎn)生漂白效應(yīng)的像素

7、值與紅外圖像中低溫目標產(chǎn)生的暗像素有關(guān),發(fā)現(xiàn)這一個事實是構(gòu)造出本算法的關(guān)鍵。
　　5.在分析比較了多個圖像融合研究中,基于對比度(顯著性測度)值選擇源圖像的變換系數(shù)作為融合圖像的變換系數(shù),是近年來多分辨變換域圖像融合領(lǐng)域的熱點。然而,現(xiàn)有的對比度定義中,有的沒有對圖像特征的局部背景亮度信息給予足夠的重視而未加考慮,有的在計算對比度的時候沒有討論有關(guān)的區(qū)域窗口尺寸的設(shè)置影響,有的則完全忽視了圖像的多分辨分析的低通逼近系數(shù)的融合也需要