基于多分辨率分析和混沌PSO的图像增强技术Word文件下载.docx
《基于多分辨率分析和混沌PSO的图像增强技术Word文件下载.docx》由会员分享,可在线阅读,更多相关《基于多分辨率分析和混沌PSO的图像增强技术Word文件下载.docx(53页珍藏版)》请在冰豆网上搜索。
![基于多分辨率分析和混沌PSO的图像增强技术Word文件下载.docx](https://file1.bdocx.com/fileroot1/2022-10/23/7808df0d-8dc4-40aa-87e1-8520314b9bfc/7808df0d-8dc4-40aa-87e1-8520314b9bfc1.gif)
基于多分辨率分析和混沌PSO的图像增强技术)是本人在导师的指导下独立进行研究所取得的成果。
尽本人所知,除了毕业设计(论文)中特别加以标注引用的内容外,本毕业设计(论文)不包含任何其他个人或集体已经发表或撰写的成果作品。
作者签名:
年月日(学号):
基于多分辨率分析和混沌PSO的图像增强技术摘要图像增强的目的是为了改善图像的视觉效果,提高图像的对比度、清晰度,将图像中感兴趣的特征有选择地突出。
本文首先研究了现有的增强算法,传统增强算法无法增强细节信息,而且不能抑制噪声。
且传统算法中的参数是由经验所得,不能对不同图像自适应增强。
为此,本文针对红外热波图像、火焰图像、数字全息图像的各自特点,提出了基于Contourlet变换和混沌粒子群优化的图像自适应增强算法。
首先对图像进行Contourlet变换,然后调整低通子带和带通方向子带系数。
对于低通子带采用空间域算法,待定参数由混沌粒子群算法寻优,适应度函数兼顾了峰值信噪比、对比度、清晰度、信息熵四个指标。
对于带通方向子带,采用自适应阈值去噪,并对代表细节的系数进行增强。
实验中对大量图像进行了增强处理,实验结果表明,与现有的三种增强算法相比,本文的方法能得到更好的视觉效果,并且对所有同类图像都有好的适应性。
关键词:
图像增强,Contourlet变换,空间域增强,频域增强,混沌粒子群优化本论文受以下基金项目资助:
1.无损检测技术教育部重点实验室(南昌航空大学)开放基金重点项目:
Contourlet和混沌PSO在红外热波无损检测图像处理中的应用(批准号:
ZD2010290)2.煤燃烧国家重点实验室(华中科技大学)开放基金重点项目:
基于复Contourlet、混沌粒子群和Krawtchouk矩的火焰图像处理与状态识别(批准号:
FSKLCC1001)3.瞬态光学与光子技术国家重点实验室开放基金重点项目:
基于Contourlet的数字全息再现像方法研究(批准号:
FSKLCC1001)ImageenhancementtechnologybasedonmultiresolutionanalysisandchaoticPSOalgorithmAbstractImageenhancementismeanttoimprovethevisualeffect,contrastandclarityofimage.Moreover,imageenhancementcanselectivelyhighlighttheinterestingfeaturesofimage.Inthispaper,theexistingenhancementalgorithmsarestudiedfirstly.Itfindsoutthatthetraditionalenhancementalgorithmscantenhancethedetailinformationandsuppressthenoise.Inaddition,theparametersintraditionalalgorithmsareobtainedbyexperience.Therefore,differentimagescantbeenhancedadaptively.Inthispaper,therespectivecharacteristicsofinfraredthermalwaveimage,flameimageanddigitalholographicimageareconsidered.AnadaptiveinfraredimageenhancementalgorithmbasedonContourlettransformandchaoticparticleswarmsoptimizationisproposedinthisarticle.Firstly,Contourlettransformofinfraredimageisperformed.Thenthecoefficientsoflow-passsubbandandband-passdirectionalsubbandareadjusted.Forthelow-passsubband,Spatialdomainmethodsareintroduced.Theoptimalparametersaredeterminedbychaoticparticleswarmsoptimization.Thefitnessfunctiontakesintoaccountfourindexessuchaspeaksignaltonoiseratio,contrast,definitionandentropy.Fortheband-passdirectionalsubband,noiseissuppressedbytheadaptivethreshold,andthecoefficientsofdetailsareadjusted.Alargenumberofimagesareenhancedintheexperiment.Theexperimentalresultsshowthat,comparedwiththreetranditionalimageenhancementmethods,themethodproposedinthisarticlecangetabettervisualeffect.Furthermore,themethodhasagoodadaptabilityforallkindsofsimilarimages.KeyWords:
Imageenhancement;
Contourlettransform;
Spatialdomainenhancement;
Frequencydomainenhancement;
Chaoticparticleswarmsoptimization目录摘要iAbstractii目录iii图表清单vi注释表vii第一章绪论11.1课题研究的目的与意义11.2图像增强技术的国内外发展状况11.3图像增强技术的应用概况41.4本文的研究工作和内容安排4第二章图像增强的基本方法62.1引言62.2空域法62.3频域法102.4本章小结12第三章多分辨率分析原理及相关增强算法133.1引言133.2小波变换133.2.1连续小波变换133.2.2多分辨率分析143.2.3离散小波变换143.3Contourlet变换163.4基于小波变换的图像增强算法203.5基于Contourlet变换的图像增强算法223.6本章小结24第四章混沌粒子群优化算法254.1引言254.2基本粒子群优化算法254.2.1PSO的基本思想254.2.2PSO算法描述264.2.3基本PSO算法步骤274.3混沌粒子群优化算法274.3.1混沌小生境粒子群算法274.3.2混沌双粒子群算法284.4本章小结30第五章针对多种图像的基于Contourlet和混沌PSO的增强算法315.1引言315.2图像增强质量评价315.3适用于红外热波图像的增强算法及实验结果325.3.1低通子带系数调整325.3.2带通方向子带系数的自适应调整335.3.3适应度函数选取345.3.4基于Contourlet变换和粒子群优化算法步骤345.3.5实验结果及分析355.4适用于火焰图像的增强算法及实验结果375.4.1低通子带的模糊增强375.4.2带通方向子带的非线性增强375.4.3图像增强效果评价及适应度函数385.4.4采用混沌小生境粒子群优化的算法步骤385.4.5实验结果及分析385.5适用于数字全息图像的增强算法及实验结果405.5.1低通子带系数调整405.5.2带通方向子带系数调整415.5.3图像质量评价准则和适应度函数415.5.4基于混沌小生境算法优化的Contourlet域图像增强步骤415.5.5实验结果及分析425.6本章小结44第六章总结与展望456.1本文主要工作456.2进一步研究工作46参考文献49致谢50图表清单图2-1常用的灰度级函数7图3-1小波分解示意图15图3-2小波分解树15图3-3小波变换二维Mallat分解算法16图3-4塔式分解过程17图3-5塔式重构过程17图3-6楔形频域子带分解17图3-7四方向滤波器组框图17图3-8五株采样滤波器组与逼近滤波器组的组合18图3-9第三级及三级以后的方向滤波器组结构等效示意图18图3-10多通道级树型结构DFB19图3-11多通道级树型结构DFB20图5-1红外图像1的4种增强方法结果比较35图5-2红外图像2的4种增强方法结果比较35图5-3火焰图像1的5种增强方法结果比较39图5-4火焰图像2的5种增强方法结果比较39图5-5数字全息图像1的4种增强方法结果比较42图5-6数字全息图像2的4种增强方法结果比较43表2-1几种基于局部均值和标准差的自适应增强方法9表5-1适用于红外图像的增强方法与现有方法的定量指标评价36表5-2适用于火焰图像的增强方法与现有方法的定量指标评价40表5-3适用于数字全息图像的增强方法与现有方法的定量指标评价44注释表PSOParticleSwarmOptimization粒子群优化算法NCPSONicheChaoticMutationParticleSwarmOptimization混沌小生境粒子群优化算法ACPSOADaptiveDoubleParticleSwarmsOptimization混沌自适应双粒子群优化算法PDFBPyramidDirectionalFilterBank塔型方向滤波器组LPLaplacianPyramid拉普拉斯金字塔DFBDirectionalFilterBank方向滤波器组QFBQuincunxFilterBank五株滤波器组第一章绪论1.1课题研究的目的与意义21世纪,人类已进入信息化时代,据研究,人类接受的信息中,图像等视觉信息占75%85%。
我们生活在一个数字化时代,随着计算机技术和网络技术的发展,几乎所有的信息可以以数字的形式呈现在人们面前,数字图像正渐渐融入人们的生活,因此对数字图像处理技术的研究是时代的迫切需要。
图像传递