基于MATLAB的红外图像增强技术研究与应用(9)

基于MATLAB的红外图像增强技术研究与应用

自适应小波增强方法原理如图4.5所示，首先计算得到相邻尺度间的小波系数相关 值，然后在分段小波增强方法的基础上，再根据相关值的大小判断它是否为噪声，如果 为噪声则置零，如果不是噪声，则可以按正常倍数放大增强。这既可以有效地抑制噪声， 防止噪声被同步增强，又能保留原始图像中的微弱信号信息。

在实际应用中如果一幅红外图像含有噪声，那么许多小波系数，特别是在较高分辨 率尺度上的小波系数是由噪声引起的，而仅仅根据一层频域分解的子带分量所提供的信 息有效的区分噪声和信号是很困难的，则当进行小波反变换时任何对这些小波系数的放 大都会反映到对噪声的增强上。因为含噪信号在多尺度分解后，真实信号的各尺度上的 系数间具有很强的相关性，而噪声对应的系数的相关性则很弱或者不相关，因此相临尺 度小波系数相关性可以用来确定哪些系数是由图像中的噪声产生，哪些是由图像中的细 节特征产生。

综上所述，要想在增强小波系数的同时抑制噪声，就必须利用多尺度方法得到的多 个尺度的分量，先确定哪些系数是由噪声产生，哪些系数由真正的图像信号产生的，再 通过构造合理的线性或非线性变换函数，有选择地改变小波系数以提高图像某些区域的 对比度，从而改善图像的视觉效果。从而有针对性地对系数进行增强处理。下面介绍两 种常用而有效的增强方法。

4.2.3.1模极大值法增强

1992年5.Mallat将uPCnits指数与小波变换后系数模的局部极大值联系起来，通过 小波变换后局部极大值在不同尺度上的衰减速度来衡量信号的局部奇异性。这种方法后 来被广泛应用于故障诊断，信号的去噪与恢复，奇异性检测及图像边缘恢复等。

根据信号与噪声在不同尺度上的模极大值的不同传播特性，侦查员从所有小波变换 的局部模极大值中选择信号的模极大值而去除噪声的模极大值，即去除幅度随尺度的增 加而减小的极值点，保留幅度随尺度增加而增大的极值点。由于白噪声具有负的UPchitz 指数，其幅度随尺度的增加而减少，而有用信号恰好相反。因此，如果某个信号的小波 变换局部模极大值随尺度的减小而快速增大，则表明该处的奇异性主要有噪声控制 lz9，0l。区分出噪声与细节后，采用图4.2.1的方式进行增强处理。

具体算法步骤如下:

步骤1:求出每个尺度上小波变换系数代，厂对应的局部模极大值点。

步骤2:从尺度j=l上的每个模极大点开始，在尺度j+1上寻找尺度j上每个模极大 点对应的传播点，保留有用信号产生的模极大值点，消除噪声引起的模极大值点;对于 保留的逐级搜索，至尺度j二J一1为止。

步骤3:在最大分解尺度J上，小波变换模极大值几乎完全由有用信号控制，选取一 个闭值，使得模极大值小于该闭值的被作为噪声去除，由此得到最大尺度上新的模极大值。

步骤4:由各尺度保留下来的模极大值点及其模极大值点的位置，采用硬闭值的方法 进行增强处理，而对于这些点外的信息就认为受噪声控制，采用软闭值进行降噪处理。

图4.6给出了算法流程图对应程序代码见附录。