數(shù)字全息再現(xiàn)像增強(qiáng)方法研究.pdf

1、近些年，由于計(jì)算機(jī)的速度和儲存容量有了大幅度提升，數(shù)字全息技術(shù)得到了廣泛的研究。該技術(shù)主要應(yīng)用于生物醫(yī)學(xué)、三維物體識別、微小位移測量、振動(dòng)分析、表面干涉檢測等領(lǐng)域。再現(xiàn)像的像質(zhì)是數(shù)字全息實(shí)際應(yīng)用中一個(gè)非常關(guān)鍵的問題，將直接對測量精確度產(chǎn)生影響。再現(xiàn)像像質(zhì)會受到零級像、散斑噪聲的嚴(yán)重影響顯得模糊不清。本文針對再現(xiàn)像存在的零級像和散斑噪聲問題，研究了如何提高再現(xiàn)像像質(zhì)的方法，提出了全息圖去噪、零級像消除、再現(xiàn)像去噪、再現(xiàn)像增強(qiáng)等一系列增強(qiáng)再

2、現(xiàn)像像質(zhì)的方法，主要工作如下：
　　首先，探討了基于NSCT系數(shù)建模的數(shù)字全息圖去噪方法。該方法首先利用無下采樣Contourlet變換分解全息圖，然后對不同尺度下系數(shù)采用不同分布模型進(jìn)行擬合，利用期望值最大算法和貝葉斯估計(jì)算法估計(jì)出參數(shù)，還原無噪圖像。并與Lee濾波等3種經(jīng)典方法、小波域高斯混合模型方法和Contourlet域高斯混合模型方法進(jìn)行比較，表明該方法在視覺效果、邊緣細(xì)節(jié)等方面有很大優(yōu)勢。
　　其次，研究了于Co

3、ntourlet變換的數(shù)字全息零級像消除方法。該方法首先對數(shù)字全息圖進(jìn)行Contourlet分解，然后對低頻部分進(jìn)行濾波處理，最后重建全息圖，對處理后的全息圖進(jìn)行再現(xiàn)。實(shí)驗(yàn)結(jié)果表明，該方法與空域?yàn)V波法、頻域?yàn)V波法、拉普拉斯算子濾波法及小波法相比，有更好的圖像增強(qiáng)效果，不僅零級像去除得更為徹底，真實(shí)像也得到了一定程度的增強(qiáng)。
　　接著，提出了基于復(fù)Contourlet和各向異性擴(kuò)散的數(shù)字全息再現(xiàn)像去噪方法。復(fù)Controurlet相

4、對于Controurlet而言有更多的方向性，而且具有平移不變性，對圖像有著很好的降噪效果。各向異性擴(kuò)散在去除噪聲的同時(shí)，能夠很好地保留圖像的細(xì)節(jié)信息。結(jié)合二者在圖像去噪領(lǐng)域優(yōu)勢，并將其應(yīng)用于再現(xiàn)像散斑噪聲的抑制。大量實(shí)驗(yàn)結(jié)果表明該算法在改善再現(xiàn)像視覺效果的同時(shí)，提高了再現(xiàn)像的信噪比，去噪的同時(shí)，更完整地保留了再現(xiàn)像細(xì)節(jié)紋理特征。
　　隨后，實(shí)現(xiàn)了基于雙樹復(fù)小波和模糊邏輯的數(shù)字全息再現(xiàn)像增強(qiáng)方法。首先對經(jīng)過去噪處理的全息再現(xiàn)像進(jìn)行

5、雙樹復(fù)小波分解，得到低頻系數(shù)和高頻系數(shù)；然后分別對低頻和高頻系數(shù)進(jìn)行模糊處理，即利用廣義模糊算子對系數(shù)矩陣進(jìn)行處理，再映射到普通模糊集中，某些參數(shù)通過自適應(yīng)得到，最后對處理過的系數(shù)矩陣進(jìn)行逆變換得到增強(qiáng)后的圖像。實(shí)驗(yàn)結(jié)果表明，該方法使得再現(xiàn)像物像清晰度增加，噪聲降低，邊緣細(xì)節(jié)表現(xiàn)更加明顯。
　　最后，給出了基于混沌粒子群優(yōu)化的Contourlet域數(shù)字全息再現(xiàn)像增強(qiáng)方法。首先采用基于Contourlet的空間域增強(qiáng)方法對原始圖像進(jìn)