发布时间 : 星期一 文章基于小波变换的图像处理方法研究（主要研究图像增强，包括源代码）更新完毕开始阅读747eee6148d7c1c708a14524
苏州科技学院本科生毕业设计（论文）
第五章 结 论
这次毕业设计持续了几个月，经过这几月的学习，对于基于小波变换的图像增强的方法研究我有了一些初步的了解。本次毕业设计我主要以小波变换理论为基础，围绕着图像增强部分进行了深入研究。本文的主要工作如下：
(1) 介绍了图像增强的基本理论，概述了传统的图像增强方法及其特点，主要包括灰度变换(图像反转、对数变换、分段线性变换)和直方图均衡化，并通过matlab图像观察可知它们均可增强图像对比度，但在增强图像的同时，图像的边缘噪声也被增强了。
(2) 针对传统图像增强方法的不足，引出了基于小波变换的图像增强算法，在传统的小波变换增强中，我们又分析了小波非线性增强，基于小波的图像钝化，锐化以及阈值去噪四种算法，并通过matlab图像分析了他们与传统DCT算法相比的优点。观察可知，它们不仅能增强图像对比度，而且在增强图像边缘信息的同时也抑制了噪声的放大。但图像呈现很亮和很暗的区域，图像细节部分为得到增强甚至是被损伤。
(3) 基于传统小波变换的不足，引出了一种改进的方法，是小波分解与分数阶微分相结合的图像增强算法，通过实图可发现，此种算法可使图像平滑区域得到增强，对图像复杂纹理细节增强的效果比传统方法要好。
26
苏州科技学院本科生毕业设计（论文）
致 谢
本次毕业设计的研究工作是在季剑岚老师的不倦教诲和悉心指导下完成的。在此，我对老师这几个月来给予的悉心关怀和耐心指导表示最诚挚的感谢。
多年来，我的父母在我成长过程中倾注了他们全部的心血，他们谆谆教诲是对我的最大支持和鼓励，他们的汗水和付出是我无以回报的。在此，请准许我衷心说声：谢谢！
最后，感谢一直在身边支持和鼓励我的朋友们！
27
苏州科技学院本科生毕业设计（论文）
参 考 文 献
1 丁文佳.小波变换在图像增强中的应用研究.北京理工大学.2003.2.20
2 郭李.基于分数阶微分和小波分解的图像增强.中国科技论文在线.2011.03.22
3 李朝辉，张弘.数字图像处理及应用.北京：机械工业出版社，2004
4 高仕龙.一种基于小波变换和直方图均衡化的图像增强方法.西华大学学报.自然科学版.第26卷第3期:引用部分起止页.
5 程潭镜.基于小波变换的图像增强研究.安徽科技学院.2010.12.20：引用部分起止页 6 Cohen A.Wavelets and multiscale signal processing.Chapman and Hall,1955.
7 杨柱中，周激流，晏祥玉，黄梅.基于分数阶微分的图像增强[J].计算机辅助设计与图形学学报.2008,20(3):343-348.
8 洪晓江.基于分数阶微分的图像增强方法的研究.重庆交通大学.2010.6:引用部分起止页
9 蒲亦非.王卫星.数字图像的分数阶微分掩膜及其数值运算规则.自动化学报.2007.33(11).
10 蒲亦非.数字图像的分数阶微分滤波器. 2006
11 郭李.基于分数阶微分和小波分解的图像增强.中国科技论文在线.2011.03.22 12 陈庆利.蒲亦非.黄果.周激流.数字图像的0~1阶Riemann-Liouville分数阶微分增强模板.电子科技大学学报.2011.9.第40卷第5期.
13 黄果，许黎，蒲亦非.分数阶微积分在图像处理中的研究综述.中国科技论文在线.2012.2
14 Hemingyi.Multifocus image fusion based on redundant wavelet transform.IET Image Processing.2009.12.29.
15 simple and efficient algorithms for denoising and enhancement based on image decomposition
28
苏州科技学院本科生毕业设计（论文）
附录A 译文
基于图像分解的简单有效的图像去噪与增强算法
付树军，张蔡明
数字图像的质量常常会受到各种低对比度噪声的影响。为了正确诠释这些图像，为了消除和降低图像质量的下降，需要对这些图象进行去噪与增强，这样才能正确的诠释这些图像。
在过去的几十年中，变分方法和偏微分方程已经广泛的应用于图像处理中：例如图像去噪与增强在电视和广告中的应用以及滤波器在图像锐化中的应用等等。但是，在图像去噪与增强过程中，像梯度、散度和方向导数这些基于微分几何的经典几何正规化方法，往往倾向于修改分段常数函数图像和模糊图像的精细特征，特别是图像的纹理细节。为了模拟纹理和噪声的振荡模式，Meyer提出了用G空间代替有界变空间的方法。如果一个退化图像特征函数f是一个足够大的小G规格，Meyer验证了电视模式的解决方案u及其残留的第五部分满足u=0和v=f,这不是我们所期望的。针对电视去噪对图像纹理细节的保护很差，Meyer提出了一个TV-G图像分解模式。然而G准则是不容易计算的，为了克服这种困难，提出了一些近似Meyer算法的模型。据指出，上述方法主要用于解决图像分解，而且他们不能立即被用于图像去噪与锐化。
2005年，Buades提出了基于一些相似的整体形象的NLM滤波器，他们可有效地保持图像的细节和纹理。这种滤波器在图像纹理去噪方面会产生令人深刻的印象。Dabov等人提出了一个基于业务性的采用图像块的相似滤波器，这种滤波器采用加权平均算法，与主变换协同滤波。这种算法在信噪锋直比方面达到最先进的水平。
本文中，为了更好地保持或提高图像的细节和纹理，我们提出了基于自适应图像分解的改进的图像去噪与增强算法。为了保持这种想法的简单集中性，我们利用整合了这些经典的方法：总变正规化，各向异性扩散，震惊滤波器以及不同结合均值滤波器。基本思想是，已给图像的两个组件（几何结构和振荡模式）的处理使用不同的处理程序；几何变分方法和扩散方程是用来处理结构部分（边缘
29