学位论文 > 优秀研究生学位论文题录展示

基于Curvelet变换的红外图像与可见光图像融合算法研究

作　者: 蒋婷婷
导　师: 王敬东
学　校: 南京航空航天大学
专　业: 测试计量技术及仪器
关键词: Curvelet变换小波变换图像去噪图像融合图像增强
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 108次
引　用: 3次
阅　读: 论文下载

内容摘要

第一代Curvelet变换存在着一些不足,如第一代Curvelet的数字实现比较复杂,而且,第一代Curvelet金字塔的分解也带来了巨大的数据冗余量,针对以上不足,本文引出了实现更简单、更便于理解的快速Curvelet变换算法,即第二代Curvelet变换。进而,详细介绍了第二代Curvelet变换理论、性质、实现方法、以及在图像处理中的应用。待融合原图对融合结果有着非常重要影响,即原图画质差将直接导致融合处理的失败。并且在现实中,通过比较发现,红外图像存在着一系列的噪声、低对比度、低分辨率等问题。针对以上问题,对红外图像进行了进一步的特征分析,指出红外图像存在着多种噪声,同时,红外图像存在着对比度低、视觉效果模糊,清晰度低等特征,进而引出了下文对红外图像的去噪处理,以及对融合结果图的增强处理。针对现有的红外图像去噪算法的一些不足,如硬阈值算法在含有丰富边缘图像中会产生许多“人为”噪声点,软阈值算法造成了一定的高频信息损失,其结果导致了图像的边缘模糊,折中阈值去噪法在阈值的选取上过于单一化,不适合抑制红外图像分布错综复杂的噪声,故本文提出了一种阈值补偿函数,使用这种算法,不但可以实现能量自适应抑噪,而且能够保留图像的边缘信息,取得较好的抑噪效果。针对Curvelet变换在图像细节信息的保留上存在的不足,和小波变换不能很好的保留图像的长边缘信息的问题,本文提出了基于Curvelet变换与小波变换相结合的融合算法,将两个变换结合目的是取各自优势,互补劣势,使图像的长边缘信息和点细节信息都得到很好的保留。同时,在融合规则上也提出了一种新的信号强度比法,大量的实验数据表明,使用该融合规则,融合结果能更好的保留目标信息和光谱信息,证明该算法存在着很强的优势。最后,针对融合结果图的整体画质不理想问题,本文研究了基于Curvelet变换的图像增强算法,针对现有的单阈值增强算法和双阈值增强算法的不足,如单阈值增强算法在增强图像细节的同时,对噪声进行了放大,双阈值增强算法会造成噪声的过抑制,即抑制了噪声的同时,图像的细节信息也遭到了模糊,本文提出了一种基于Curvelet变换的自适应阈值的图像增强算法,该算法在不放大噪声的基础上,又加强的图像的边缘信息。由大量的实验证明,该算法比传统的直方图均衡,单阈值增强,双阈值增强都有着很强的优势,对增强后的结果图的细节、纹理、清晰度都有很大改善。

全文目录

摘要  4-5
ABSTRACT  5-9
图清单  9-10
表清单  10-11
注释表  11-12
第一章绪论  12-19
  1.1 研究的背景及意义  12-13
  1.2 国内外研究现状  13-16
  1.3 本文研究内容和创新点  16-19
    1.3.1 本文研究的内容  16-17
    1.3.2 本文的创新点  17-19
第二章 Curvelet 理论  19-34
  2.1 引言  19
  2.2 从傅里叶分析到小波分析  19-21
  2.3 图像的多尺度几何分析  21-22
  2.4 曲线特征的稀疏表示  22-23
  2.5 第一代Curvelet 变换  23-27
    2.5.1 Radon 变换  23-24
    2.5.2 Ridgelet 变换  24-25
    2.5.3 第一代Curvelet 变换  25-26
    2.5.4 第一代Curvelet 变换的不足  26-27
  2.6 第二代Curvelet 变换  27-29
    2.6.1 连续Curvelet 变换  27-28
    2.6.2 离散Curvelet 变换  28-29
  2.7 第二代Curvelet 变换的性质  29
  2.8 第二代Curvelet 变换的实现  29-30
    2.8.1 USFFT 算法  29-30
    2.8.2 wrapping 算法  30
  2.9 Curvelet 变换在图像处理方面的应用  30-34
第三章红外图像的特征分析  34-40
  3.1 引言  34-35
  3.2 红外图像的特征分析  35-40
    3.2.1 红外图像的产生机理及特点  35
    3.2.2 红外图像中的噪声分析  35-38
    3.2.3 红外图像的对比度及分辨率  38-40
第四章基于Curvelet 变换的红外图像去噪  40-52
  4.1 引言  40
  4.2 常用的去噪算法分析  40-41
  4.3 Curvelet 去噪的算法  41-46
    4.3.1 阈值的选取  42
    4.3.2 阈值函数  42-46
    4.3.3 去噪流程  46
  4.4 实验及结果分析  46-52
    4.4.1 评价指标  46-47
    4.4.2 实验结果分析  47-52
第五章基于Curvelet 变换的红外图像与可见光图像的融合  52-71
  5.1 引言  52
  5.2 图像融合技术的概述  52-56
    5.2.1 图像融合的基本概念  52-53
    5.2.2 图像融合的主要研究内容  53-54
    5.2.3 图像融合效果的评价  54-56
  5.3 基于Curvelet 变换的融合  56-58
  5.4 基于Curvelet 变换和小波变换相结合的融合  58-62
    5.4.1 算法步骤  58-59
    5.4.2 低频系数处理方法  59
    5.4.3 高频系数融合规则的研究  59-62
  5.5 实验与分析  62-71
    5.5.1 模板P ( m ′, n ′) 对融合结果的影响  62-64
    5.5.2 阈值T 对融合结果的影响  64-66
    5.5.3 与传统图像融合算法的比较  66-71
第六章基于Curvelet 变换的图像增强  71-81
  6.1 引言  71-72
  6.2 基于直方图均衡法的图像增强  72-74
  6.3 基于Curvelet 变换的图像增强  74-76
    6.3.1 单阈值增强算法  74
    6.3.2 双阈值增强算法  74-75
    6.3.3 自适应增强算法(本文算法)  75
    6.3.4 基于 Curvelet 变换的图像增强的步骤  75-76
  6.4 实验及结果分析  76-81
    6.4.1 评价指标  76
    6.4.2 实验结果分析  76-81
第七章总结和展望  81-83
  7.1 论文工作总结  81-82
  7.2 研究展望  82-83
参考文献  83-86
致谢  86-87
在学期间的研究成果及发表的论文  87

基于Curvelet变换的红外图像与可见光图像融合算法研究

内容摘要

全文目录

相似论文