基于MATLAB的红外图像增强技术研究与应用(5)

基于MATLAB的红外图像增强技术研究与应用

辨率下的细节，这样可以使得某种分辨率下难以区分的特征在另一种分辨率下很容易地 被区分和检测。

针对二维图像信号，小波分解通常采用Mallat快速算法，通过一维的高通和低通分 解滤波器先后作用于图像的行和列，从而实现图像的二维小波变换。这样在每一个分解 尺度上都可以得到4个不同的次级子图像，其中LL是低频部分，它代表图像的主要内容 信息，集中了图像的绝大部分能量，而HL、LH和HH是高频部分，分别代表图像的水 平方向的细节、垂直方向的细节和对角线方向的细节。如果对图像的低频部分继续进一 步作小波分解，就可以得到多个尺度的图像时频信息，从而实现多分辨的小波分析，如 图4.2。

对图像进行小波分解是为得到不同尺度下的小波系数，并对其中的高频部分进行相 应的处理，而经过处理后的小波系数，还需要进行小波的图像重构，这样才能得到增强 处理后的效果图像。和图像的小波分解相反，小波图像重构只需要使用一维的低通和高 通重构滤波器，作用于相应的小波系数，就能得到最后的重构图像。因此，这里使用一种 基于小波变换的增强方法，该原理对应的流程图如图4.3，具体步骤为:

步骤1:首先读取一幅图像，选取小波函数，初始化相关参数。

步骤2:对原始图像进行一次分解，得到第一级小波系数cA(l)，cH(l)，cv(l)，cD(l)， 如果当前小波分解级数j小于小波分解级数J，则继续对近似小波系数cA(l)进一步分解， 得到下一级小波系数，一直到j=J结束。

步骤3:可以对步骤2分解得到各级小波系数进行修正。

步骤4:从第J级小波系数开始，对小波系数CA(J)，cH(J)，cv口)， cD口)进行重构，得到第J一1级小波近似系数cA(J一1)，如果当前小波分解级数j大于l，则继续根据得到的小波近似系数cA(J一l)和小波系数cH(J一1)， cv口一l)，cD口一1)进行重构，直至j=J结束。将最后一级小波系数重构得到的结果作为输出图像。