基于MATLAB的红外图像增强技术研究与应用(3)

基于MATLAB的红外图像增强技术研究与应用

分析中小波基的多样性和灵活性，使其在不同应用领域的特殊性研究更加具有实用性。 可以预见像小波分析这样的多尺度分析必将在红外图像增强领域取得突破性的进展。基 于多尺度分析的图像增强技术在目前图像处理领域研究中尚处于发展性阶段，国内外已 有很多学者开始对此方法进行研究。由于小波分析的图像增强技术包含了小波的分解与 合成运算，其数据量大，运算时间较长，因此在许多实际应用中，特别是实时系统中没 有得到认可和推广，但这并不说明小波分析不适用于图像增强。由于小波分析本身无可 替代的优越性，其处理结果常常比某些传统的处理方法更令人满意。随着算法的不断改 进以及高速芯片的研制成功，其速度问题将会得到解决。

第四章基于小波变换的图像增强

从现实中获取到的图像往往混杂着噪声，尤其是军事侦察中获取的红外图像。实践 中发现图像增强的传统方法往往使图像细节突出的同时放大了噪声而对图像采取先降 噪声后增强的方法也会对图像的细节造成损失。这给侦察工作带来很大矛盾和阻碍。而 被誉为“数学显微镜”的小波变换由于具有很好的时频特性，在近年来得到迅速发展，因 为小波变换采用了多分辨率的方法，具有低嫡性，所以使得图像增强的同时而又不放大 噪声成为可能。

4.1小波变换增强原理

传统的提高图像对比度的方法是基于直方图变换的方法，如前面提到的直方图均衡 及改进的双向直方图均衡等。这些方法对灰度级过于集中，还有大量的灰度级没有充分 利用的情况比较适用。但是对于图像中人眼很难分辨的某些细节部分，这些细节信号集 中的灰度范围占整个灰度级空间，使用这些方法就无法对这些分布在不同的区域的像素 进行不同程度的放大或者缩小。而多尺度对比度增强方法较好地解决了这个问题123一2刀。

如图4.1所示，其中4.l(a)为原始信号，有两部分细节信号，用椭圆标示出。利用 平滑滤波对原始信号进行平滑，得到图4.1(b)中的平滑曲线，可以认为是原始信号的近 似表达，它抛除了细节信号而保留了原始信号的整体特征。用原始信号减去近似信号， 即得到图4.1(c)所示的细节信号，然后对该细节信号进行增强，例如乘以一个放大系数，