發(fā)布時(shí)間：2021-04-25 04:24

　　目前,成像技術(shù)的快速發(fā)展使得圖像的獲取變的越來越方便。但是由于圖像在采集和傳輸?shù)倪^程中各種干擾的影響,導(dǎo)致出現(xiàn)了對(duì)比度較低、清晰度下降、信息丟失等問題,給后續(xù)圖像的處理和應(yīng)用增加了困難。圖像增強(qiáng)的主要目的是有針對(duì)性的凸顯目標(biāo)信息的特征,最大程度的減少噪聲,改善細(xì)節(jié)信息的清晰度,使之更有利于對(duì)圖像的后續(xù)解析和應(yīng)用。本文研究的主要內(nèi)容是分別以遙感圖像和醫(yī)學(xué)圖像為研究對(duì)象來驗(yàn)證本文所提算法。（一）對(duì)于遙感圖像,由于采集和傳輸過程中的各種干擾,導(dǎo)致許多細(xì)節(jié)信息的丟失,清晰度的下降和信噪比的降低等問題,因此本文提出一種NSST與模糊對(duì)比度相結(jié)合的遙感圖像增強(qiáng)算法。首先,原始圖像通過NSST分解為低頻分量和高頻分量;然后線性增強(qiáng)低頻分量以改善圖像的整體對(duì)比度,并通過閾值法去除高頻分量中的噪聲,以消除其對(duì)圖像細(xì)節(jié)的影響;接著,對(duì)處理后的低頻和高頻分量進(jìn)行NSST逆處理;最后,對(duì)前面獲得的圖像使用模糊對(duì)比度增強(qiáng)以改善圖像的層次感,突出顯示細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)算法相比,該算法不僅取得了清晰的視覺效果,同時(shí)在去噪效果,提高對(duì)比度等方面均有明顯的提升。（二）目前,醫(yī)學(xué)圖像已經(jīng)越來越多的應(yīng)用于現(xiàn)代醫(yī)... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 圖像增強(qiáng)的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的圖像增強(qiáng)方法
        1.2.2 基于模糊集理論的圖像增強(qiáng)方法
        1.2.3 基于Retinex的圖像增強(qiáng)方法
    1.3 論文研究的背景和意義
    1.4 本文研究?jī)?nèi)容及章節(jié)安排
第二章 基于空間域和模糊域的圖像增強(qiáng)算法
    2.1 灰度變換增強(qiáng)算法
        2.1.1 線性灰度變換
        2.1.2 非線性灰度變換
        2.1.3 對(duì)數(shù)變換
        2.1.4 直方圖變換
    2.2 空域?yàn)V波增強(qiáng)算法
        2.2.1 平滑濾波器
        2.2.2 銳化濾波器
    2.3 多方向形態(tài)學(xué)濾波
    2.4 PM濾波
    2.5 模糊域的增強(qiáng)理論
        2.5.1 模糊增強(qiáng)理論
        2.5.2 經(jīng)典的Pal-King模糊增強(qiáng)算法
        2.5.3 模糊對(duì)比度增強(qiáng)算法
        2.5.4 本文改進(jìn)的模糊對(duì)比度算法
    2.6 本章小結(jié)
第三章 基于變換域的數(shù)字圖像增強(qiáng)算法
    3.1 傅里葉變換
    3.2 小波變換
        3.2.1 離散小波變換
        3.2.2 連續(xù)小波變換
        3.2.3 Mallat算法
    3.3 曲波（Curvelet）變換
    3.4 Contourlet變換
        3.4.1 拉普拉斯金字塔（LP）分解
        3.4.2 方向?yàn)V波器組（DFB）
    3.5 非下采樣Contourlet變換
        3.5.1 非下采樣金字塔濾波器（NSPFB）
        3.5.2 非下采樣方向?yàn)V波器組（NSDFB）
    3.6 Shearlet變換
        3.6.1 ST基本原理
        3.6.2 ST的分解與重構(gòu)
    3.7 非下采樣Shearlet變換
    3.8 本章小結(jié)
第四章 基于NSST與模糊對(duì)比度的遙感圖像增強(qiáng)[51]
    4.1 低頻分量處理
    4.2 高頻分量處理
    4.3 模糊對(duì)比增強(qiáng)
    4.4 算法實(shí)現(xiàn)步驟
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第五章 基于NSST與模糊對(duì)比度的醫(yī)學(xué)圖像增強(qiáng)
    5.1 圖像增強(qiáng)預(yù)處理
    5.2 實(shí)驗(yàn)結(jié)果與分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文主要研究?jī)?nèi)容
    6.2 研究展望
參考文獻(xiàn)
研究生期間發(fā)表論文情況
致謝



本文編號(hào)：3158696