多分辨率图像增强技术研究与实现(13)

图像增强

多分辨率图像增强技术研究与实现

国内外学者己将小波分析初步用于图像增强“。“”。

第一种是基于小波的反锐化掩模法。反锐化掩模法在摄影技术中广为采用，日的是增强图像的轮廓。光学上的操作方法是将聚焦的正像和散焦的负像在底板上叠加。散焦的负像就好比“模糊”掩模，它与“锐化”正好相反，故此法称为反锐化掩模法。基本公式是：

ｇ（ｘ，ｙ）＝ｆ（ｘ，ｙ）＋Ｋ［ｆ（ｘ，ｙ）一ｆ（ｘ，ｙ）】（１—７）其中，ｆ（ｘ，Ｙ）是原始图像，ｆ（ｘ，Ｙ）是人为模糊后的图像（在此处是小波变换后的低频图像）。灵活选择增强因子置，可以得到不同的增强效果。

尽管这种方法简单，增强效果也相对较好，但他却有２个重大的缺点：

（１）系统对噪声非常敏感：图像的细节和噪声同时被增强，尤其是在图像的平坦区域，即使很小的噪声也非常明显。

（２）过冲（ｏｖｅｒｓｈｏｏｔ）现象：由于图像的高细节区域相对于其他区域增强更大，处理后的图像会呈现明显的人工处理痕迹。

为了克服线性反锐化掩模技术的缺点，尤其是对噪声的敏感性，人们提出了各种各样的方法。这些方法大部分是用非线性滤波器代替线性高通滤波器，对减小噪声和增强细节进行折中考虑。Ｓ．Ｋ．Ｍｉｔｒａ提出了基于Ｔｅａｇｅｒ算法的非线性算子ｎ”，这种非线性算子可近似为局部均值权重高通滤波器。根据Ｗｅｂｅｒ定律，人眼对图像黑色区域的细节更敏感，因此这种算子能减小噪声。Ｇ．Ｒａｍｐｏｎｉ提出了立方反锐化掩模技术“”，这种技术的实质是用一个对边缘敏感的平方滤波器算子乘以拉普拉斯算子，仅增强局部亮度变化区域的图像细节，相对较小噪声。Ｙ．Ｈ．Ｌｅｅ提出了基于序列统计拉普拉斯算法的算子“”，这个算子的输出和局部均值与局部中值之差成比例，他能有效地去除高斯白噪声。Ａ．Ｐｏｌｅｓｅｌ提出了自适应反锐化掩模技术“”，这种技术采用自适应滤波器对图像的细节增强程度大一些，而对图像的平坦区域几乎不增强，因而能减小平坦区域的噪声。范建中利用了基于拉普拉斯算子的反锐化掩模法增强了医学图像［１９１０首先，小波变换使得原始图像中不同分辨率细节特征随尺度的不同而分离，避免了传统算法中通过不断的调整滤波器窗口大小来选择增强效果的烦琐工作；其次，由于对不同尺度下的小波分量分别进行增强，原始图像中无论较粗还是较细的边缘都同时得到增强。立朝晖研究的算法是在小波分析的基础上采用反锐化掩模法的策略伽１。

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新人文社科多分辨率图像增强技术研究与实现(13)全文阅读和word下载服务。