基于Contourlet变换的图像增强算法

论文摘要

图像增强是一种通过有选择地强调图像中某些信息和抑制另一些信息,以改善图像视觉效果的技术。图像增强算法主要包括空间域和变换域两种,空间域常见的算法有直方图均衡化和锐化处理,而变换域的算法主要包括多种滤波算法和基于小波、Curvelet、Contourlet等变换算法。Contourlet变换的主要目的是为了获得含有线和面奇异的图像的稀疏表示,它不仅继承了小波变换的多分辨率时频分析特征,而且具有良好的方向各异性。但是由于Contourlet变换缺乏平移不变性,在图像增强时会产生伪吉布斯效应,而Nonsubsampled Contourlet变换（NSCT）是一种具有多分辨,多方向,平移不变等特性的变换,有效消除伪吉布斯效应,因此本文采用NSCT。结合图像增强技术提出一种基于NSCT的图像增强算法。在基于变换域的图像增强算法中,我们通过选择有效的阈值区分噪声和边缘等信息,并构造增强函数对边缘等有用信息进行增强。首先本文分析了NSCT的各尺度方向子带系数的分布特征,发现子带系数具有非高斯、高峰度和长拖尾等特性,所以采用广义高斯分布模型来描述NSCT不同尺度上的系数的概率分布,并采用自适应贝叶斯阈值用来区分图像边缘和噪声系数。其次研究了经NSCT后的高斯白噪声系数在各尺度方向的变换趋势,引入负指数模型对各个方向子带的噪声方差进行估计。接着,本文对匹配函数的各个特性进行分析,针对分段非线性增益函数存在的不足,提出一个快速,简单的增强匹配函数,并对函数的参数进行了详细的讨论和实验分析。最后,本文引入DV-BV值刻画图像的细节方差和背景方差,作为图像的增强效果的客观评价指标。本文对直方图均衡化算法、基于小波变换的增强算法、最近提出的基于Contourlet变换算法和本文算法进行实验对比。结果表明,在人的主观视觉效果方面,本文算法比先前其他算法有着更加显著的边缘和更好的对比度。在客观评价指标方面,本文算法的细节方差值（DV）明显高于其他算法,而背景方差（BV）值则基本不变。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题的意义和背景
• 1.2 图像增强的研究现状
• 1.3 本文工作及章节安排
• 1.3.1 本文工作
• 1.3.2 章节安排
• 第二章 传统图像增强算法概述
• 2.1 空间域的图像增强技术
• 2.1.1 概述
• 2.1.2 灰度变换
• 2.1.3 直方图修正
• 2.1.4 图像平滑
• 2.1.5 图像锐化
• 2.2 变换域的图像增强技术
• 2.2.1 概述
• 2.2.2 低通滤波
• 2.2.3 高通滤波
• 2.2.4 同态滤波
• 2.2.5 基于小波变换的图像增强技术
• 2.3 传统算法存在的不足
• 第三章 Contourlet变换理论
• 3.1 Contourlet变换的由来
• 3.2 Contourlet变换
• 3.2.1 LP变换
• 3.2.2 方向滤波器组
• 3.2.3 非降采样Contourlet变换（NSCT）
• 3.3 Contourlet变换的实验仿真
• 3.4 Contourlet变换的应用
• 第四章 基于NSCT变换图像增强改进算法研究
• 4.1 基于NSCT的增强改进算法实现
• 4.2 阈值处理过程中相关问题
• 4.2.1 NSCT域噪声方差估计
• 4.2.2 NSCT域系数分布特征
• 4.2.3 自适应贝叶斯阈值的选取
• 4.3 增强匹配函数
• 4.3.1 增强匹配函数的构造
• 4.3.2 参数讨论及实验分析
• 第五章 实验结果及其讨论
• 5.1 图像增强的评价标准简介
• 5.2 实验内容
• 5.3 实验结果分析
• 5.3.1 参数b的选择的基本原理
• 5.3.2 实验结果讨论
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 未来研究工作的展望
• 参考文献
• 攻读硕士学位期间发表的论文及参加项目
• 致谢