基于小波分析的图象增强算法研讨.pdfVIP

第十届全国电工数学学术年会论文集 基于小波分析的图象增强算法研究 周 静 f重庆大学电气工程学院，400044) 摘 要 图象增强是图象处理的重要任务之一，它广泛地应用于模式识别以及计算机视觉的各种领域，如医学图片擞字 相片处理。近年来．提出了大量的图象增强算法，本文主要讨论了基于小波理论多分辨分析的图象增强算法，并 分析了其优缺点，进丽提出采用直方图均衡化和小波变换两种方法的结合可以进一步改进图象增强的效果。仿真 实验证明了这一方法能提升具有较低对比度图象的观测效果，从而满足人眼信息的获取以及图象的后继信息获取。 关键词：图象增强小波分析直方图均衡 1引言 图象增强是图象处理、模式识别以及计算机视觉的重要任务之一。它的主要目的是利用人眼 视觉系统特性提升具有较低对比度图象的观测效果，从而满足人眼信息的获取以及图象的后继信 息获取。近年来，提出了大量的图象增强算法，大体上可以分为：空间域方法和频率域方法，或 者局部法和全局法，以及它们的融合算法。 最为经典的图象增强方法是直方图均衡化(HE)，其主要思想是：重新分配图象强度分布使其 尽可能的为均匀分布。当处理图象是包括单个物体并且物体与背景没有明显改变的低对比度图象 时，经典的HE方法是一个简单有效的全局增强方法。然而这个条件往往不能保证，因此经典的 HE方法存在过分增强以及欠增强缺点。 对大多数图象而言，局部增强法是一种更为有效的方法。局部增强法【‘L·般利用图象的局部 特性实现图象的改变。Weber定律指出人眼对于对比度的敏感是有阀值的(设阌值为VI)，背景 设为，，当背景恒定时，VJr／，在一个很宽的范围内是一个常数，小于w的灰度变换化，人眼是 观测不出的。局部对比度增强就是利用人眼的Weber定律视觉特性，在图象的局部采用边缘算子 或者局部统计特性，使小于V，的灰度化经过处理后大于V，，从而显露出图象的细节。 基于小波多分辨分析的图象增强算法就是这样一种基于频率域的图象增强方法。 2基于小波分析的增强方法 近年来，小波变换方法被广泛地应用于图象处理以及模式识别中：尤其是基于小波多分辨分 析的图象增强算法被广泛地应用于图象处理的各种领域，如医学照片，数字相片处理。该算法可以方 便地增加图象的对比度，令图象的视觉信息量达到最大。 小波变换把图象分解在一系列的小波函数集合上，这些具有多尺度功能的小波函数可以实现 图象局部特性的放大观测。正是由于小波变换具有把信号分解在高频与低频分量上的多分辨分析 特点，因此，可以通过自适应调整细节信号的小波系数从而实现图象特征的增强。因此基于小波 变换的增强算法可以补偿经典的基于直方图均衡缺陷【2l。 2．1基于小波变换的图象增强基本原型驯 撼十小波分析的图象增强算法研究 根据Mallat小波分解理论，有限能量图象信号厂的二维离散二二进Mallat塔式小波算法可表示 ．|l， f(tlrt，n)=∑【(西，)“扎。(历耽，，(一)】+∑∑t(DVf}¨．少雎(m)幻(纠 k,I j=lk,I M 村 +∑∑【(D，／)“矽¨(肌)缈川(行)】 k．1 +∑∑【(D夕厂)“．∥』．K(_『，1)∥／’，(疗)】 i=I J=II．， 式中，％．芹(肌)，办．，(门)分别为小波函数，并且具有高通与低通的特性，因此，图象信号在小波域 内可由以下四个系数分量：{(W厂)¨，(彤门¨，(97／)¨，(D?厂)¨．}来分别表示低频轮廓信号、水 平分量信号、垂直分量信号以及图象的细节信号。 根据上述描述的图象小波表示理论，基于小波分析的图象增强可通过以下步骤实现： 1)首先对要增强的图象按照公式(1)进行图象分解，获得四个系数分量矩阵：cA，ell,cV以及 cD： 2)然后对低频轮廓