圖像增強、去噪與分割新方法的研究.pdf

1、人類大部分信息來源于視覺，對圖像進行處理是人類理解分析信息的重要手段。在對圖像進行高層次的處理（如：圖像識別、圖像匹配等）之前，有必要對圖像進行中低層次的處理操作，從而提高圖像質量，有利于進行圖像的后續(xù)處理。本文主要研究了圖像處理中三個方面的內容，分別是圖像增強、圖像去噪和圖像分割。對于這三個方面的研究現狀本文均做了簡單介紹，并詳細介紹了與本文研究工作密切相關的某些具體圖像處理算法。
　　 在圖像增強方面本文不僅針對已有的圖像增

2、強算法提出了新的改進算法，也提出了與傳統方法完全不同的增強算法。而在圖像去噪與圖像分割這兩方面，本文則都研究了目前的熱點問題：即基于偏微分方程的圖像處理方法。此類方法在現階段因其突出的處理效果受到了越來越多人的關注和研究，在對此類方法進行深入研究與分析的基礎上，本文提出了性能更優(yōu)越、處理效果更佳的圖像處理算法。在研究過程中，本文還使用了多種成熟的數學工具，如：小波變換與微偏分方程。
　　 本文主要在上述三個圖像處理領域中，進行了

3、以下四個方面的工作：
　　 （一）研究了以小波變換為工具的空間域圖像增強算法
　　 針對傳統全局直方圖均衡的圖像增強算法中統計量存在的問題，定義了兩種新的用于圖像增強的統計量。這兩種新的統計量均是以小波變換為工具統計圖像中的有效信息，其中一種統計量還對圖像的噪聲信息進行了單獨統計，最終將得到的兩種統計量用于對圖像的增強處理。
　　 （二）將靜電場中的彈簧振子模型成功地應用于圖像增強
　　 已有的空間域圖像

4、增強算法存在自身無法解決的問題：即圖像增強受限于原有圖像灰度級空間的大小。針對該問題，本文將靜電場中的彈簧振子模型引入到圖像增強問題中，建立兩者之間的聯系，根據圖像增強的要求和圖像自身的約束條件，求解出模型中的各參數，并將最終得到的模型用于對圖像的增強處理。
　　 （三）提出了一種自適應全變分圖像去噪算法
　　 通過深入研究目前基于偏微分方程的圖像去噪算法，本文對其中具有代表性的全變分圖像去噪算法進行了改進。改進工作主要

5、體現在以下兩個方面：1、算法的自適應性，原有全變分圖像去噪算法如要取得好的去除噪聲效果，必須已知圖像的噪聲方差，本文通過對原算法模型的修改，使得在未知圖像噪聲方差的情況下同樣具有十分顯著的去除噪聲效果；2、本文提出的算法具有更突出的去除噪聲效果，抑制了原全變分算法處理結果中經常出現的“階梯效應”，使圖像在去除噪聲的同時，也可獲得更好的圖像質量。
　　 （四）提出了一種基于活動輪廓模型的自適應圖像分割算法
　　 通過深入研

6、究目前基于活動輪廓模型的圖像分割算法，本文針對其中基于區(qū)域的活動輪廓模型提出了一種新的自適應圖像分割算法。該算法主要有以下兩個特點：1、在算法的“能量泛函”中同時包含全局信息和局部信息，這是通過在算法中自適應選取局部范圍大小實現的；2、對“能量泛函”中與曲線演化有關的能量項系數進行相對大小的自適應調整，從而能夠準確地分割出圖像中的弱邊界。最終將新算法運用于對圖像的分割處理，相對于傳統經典算法有著十分優(yōu)越的分割效果。
　　 在本文