小波和偏微分方程在图像处理中的应用的研究.pdf

摘要 小波分析是二十世纪九十年代出现的--f]新的数学方法，由于它具有时．频局 部化特点和多尺度特性，在图像处理领域得到了广泛应用。小波分析已成为新的 的进展是偏微分方程图像处理理论。本论文主要围绕小波分析与偏微分方程在图 像处理中的应用来进行研究。主要做了以下几个方面的工作： 1．讨论了小波阈值与尺度空间的关系：一方面，可以用小波阈值建立新的尺 度空间；另一方面，可以在尺度空间的基础上推导出新的阈值函数。提出一种基 于Besov权的平移不变小波阈值函数。仿真实验的结果表明了新阂值函数的有效 性。 形态学的角度对扩散方程的扩散系数进行修改，分别得到两个新的各向异性扩散 方程：基于非线性小波阈值和基于形态学算子的各向异性扩散方程。新的各向异 性扩散方程在计算扩散系数时，不仅考虑了图像的梯度，而且考虑了二阶导数， 并分别在作用非线性小波阈值和形态学闭开算子后的图像上估计各阶导数。这样， 这两种新算子不但能够有效地去除噪声，还能保持图像中的尖峰和窄边缘，从而 更好地保持边缘位置。实验结果表明用这两种新算子处理后的图像具有较高的清 晰度和对比度。 3．提出了两种新的图像边缘检测算法。一是基于小波耦合阂值的边缘检测算 法。Canny边缘检测中使用高斯滤波平滑图像，由于高斯滤波使图像出现边缘过度 平滑及边缘移位现象，提出用平移不变小波非线性耦合阈值来代替Canny边缘检 测中的高斯平滑，得到基于小波耦合阈值的边缘检测算法；另外是小波尺度空间 中的边缘检测算法。从尺度空间的观点看，Canny边缘检测方法的多尺度形式等价 于在一个线性高斯尺度空间中进行Canny最优算子的边缘检测。用非线性的小波 尺度空间代替高斯尺度空间做边缘检测能够获得更好的边缘检测结果，即小波尺 度空间中的边缘检测算法。实验仿真表明新算法具有更好的边缘检测性能。 4．提出了三种新的图像分解算法。～是基于修正小波阈值的图像分解算法。 用具有更高正则性的修正小波阈值(分段竹次多项式小波阈值和指数阈值)做图像 分解，得到图像分解的变分泛函的近似最小值，其中”可以取任意正数。随着n的 增大，图像分解的变分问题的近似最小值越逼近精确最小值。这样，得到了图像 分解和修正小波阈值之间的联系。实验结果表明用修正小波阈值分解图像的有效 性；另外是基于变分和小波变换的图像分解算法，该算法把图像分解成两部分 样可以将求解图像分解的泛函最小值问题转化到小波域中求解。在小波域中利用 Aujol的求解泛函晟小值的方法得到图像分解部分的小波序列，重构该序列的极限 即可得到图像的分解部分。实验结果表明该图像分解算法的有效性；最后是Besov 值之间的联系。他们引入一类特殊的变分泛函，把图像分解成结构和纹理两部分， 其中结构部分“是用研(厶)空间来刻画。我们对他们的方法做了推广，对变分泛函 剧(厶)空间来刻画图像的结构部分，得到了图像分解和小波阈值之间的联系。 5．提出了两种新的图像放大算法。一是基于变分和小波变换的图像放大算法。 用Besov范数刻画图像的正则性构造了一个变分泛函，然后通过最小化该变分泛 函得到放大图像。根据Besov范数与小波系数范数之间的等价关系，可以将该泛 函的最小化问题转化到小波域中用迭代的方法求解，并证明了迭代方法的收敛性； 另一个是基于曲线曲面演化的图像放大算法。用Snake的内部能量作为图像水平 线的先验模型，其梯度下降流是一个关于图像水平线的演化方程。由这个演化方 程，利用曲面演化和其水平线演化之间的关系，得到关于图像曲面的演化方程。 将这个曲线曲面演化方程用于图像放大得到一种新的图像放大算法。实验表明了 这两种新的放大算法的有效性。 关键词： 小波变换偏微分方程 小波阈值‘尺度空间 边缘检测 图像分解 图像放大 Abstract Waveletsareanewmathematical in1980’S．Waveletshave technique，arising foundwide in duetoits localizationand applicationsimageprocessingtime—frequency nmltiscale hasbeen