基于多尺度的图像增强.docVIP

基于多尺度的图像增强 ---------------蔡志成 ABSTRACT： 小波变换给我们提供了一个可以在不同的尺度，不同的层次，对图像进行处理的可能。 次论文主要讲两个方面：第一：边界加强，通过估计噪声和实际信号的比值，来确定各个尺度的细节系数，以达到噪声抑制和边界加强。第二，通过对小波分解的近似部分进行直方图均衡，达到加大整幅图片的对比度，而不太影响细节的目的。 PRINCIPLE： 小波变换 首先假设，原图像为g（x，y）；通过小波变换为四个部分：A0，Dv，Dh，Dd。第一个为原图像的近似部分，其余三个分别是垂直，水平，和对角的细节部分。同理A0也可以继续进行同样的分解。也就是对图像进行多尺度分解。为后面的多尺度处理提供了可能。 下面开始对小波变换后的图像进行处理： 边界加强： 通常我们对边界进行加强是把小波变换后的每一个尺度的细节部分乘以2，这样做确实有一定的边界加强作用，但是，在边界加强的同时噪声也被加强了。在这里作者使用local adaptive filtering ，也就是说，比较噪声和实际信号的比值，在噪声相对实际信号比较弱的地方，可以设置较大的细节系数；而在噪声相对较强的地方，可以设置较小的细节系数。体现出一种自适应性。然而，噪声的相对大小不容易通过计算求得，只能通过对具体图片进行估计。 具体的滤波器为： Di=kDi+（噪声方差