5443字开题报告一种基于自适应阈值的图像增强算法

基于自适应阈值的图像增强算法

开幕报告

内容

一、选题背景

二.研究的目的和意义

第三，本研究涉及的主要理论

第四，本文的主要内容和研究框架

(一)本研究的主要内容

(2)本文的研究框架

五、写作大纲

六、本文的研究进展

七、读过的文学作品

一、选题背景

图像是指客观物体在人脑中的自然反映。它是信息传递的重要媒介。它以纸张、照片、电脑屏幕和其他媒体的形式呈现。事实上，大部分人类信息是通过人眼获得的。在五种感官中，视觉是主要的获取方式。但是，由于光照、噪声、介质形状等因素的影响，在图像生成和传输过程中，图像质量会下降，如对比度低、明暗不均、几何变形等。因此，需要图像处理来获得满足人们应用需求的图像。数字图像处理是指通过数学运算对图像进行的各种处理过程，以获得适用于用户(1)的效果。这些过程包括降噪、配准、增强、压缩等。它们与实际生产过程紧密结合。数字图像处理始于20世纪50年代，20世纪60年代从计算机科学中分离出来，形成了一门独立发展的科学。经过半个多世纪的发展，图像处理的技术基础现已牢固建立，并广泛应用于许多社会领域。例如，气象部门可以通过处理遥感图像获得更有效的天气云图，从而提高预报的准确性。林业部门通过分析航空图像来评估森林火灾危险的可能性。航空航天部门需要处理飞机返回的图像，以获得更多更清晰的细节。医务部门的电脑断层诊断技术采用图像重建技术获得人体各个部位的重建图像，而x光图像的处理可以突出病变区域的显示效果，使医生能够准确判断病变区域。在安全检查领域，α射线照射图像的处理使得包装中物体的形状和水平更加清晰，这有助于判断物体的类型。现在，数字图像处理技术和流行技术(如生物技术、人工智能、智能终端等)的结合。)将来会有更好的发展。数字图像处理根据不同的模式和目标大致可以分为以下几类:第一，提高图像的视觉效果，如增加对比度、颜色变换、几何变换等。本文主要讨论的图像增强属于这一方面；二是获取满足匹配需求的图像特征信息，如获取边缘信息、颜色特征、纹理特征等。第三是图像压缩和编码，即在一定程度上保证图像质量的同时缩小图像的尺寸，使传输更加容易。就具体方法而言，数字图像处理的常用方法包括图像变换、图像分割、图像配准、图像增强、图像特征提取等。图像增强(Image enhancement)是指在一定的处理背景下(如整体变暗、对比度不足等)增强用户感兴趣的图像部分的过程。)，同时抑制甚至移除不感兴趣的部分，并增强图像区域之间的差异以突出某些部分的特征。其目的是提高图像中有用信息的显示效果，使图像更有利于机器识别和视觉观察，并达到特定的分析目标。图像增强是整个处理过程中的关键步骤，在这一系列步骤中起着连接作用。在很多情况下，设备采集的图像不能直接满足特定的分析要求，需要一些图像增强方法对图像进行预处理，并将处理后的图像移交给业务处理部分。例如，在医疗中，由于对比度不足，由x光照射产生的图像可能难以识别，因此可以首先执行图像增强处理，然后可以使用其他算法来标记可能的病变区域，这可以提高诊断准确性。图像增强的主要目的在于两点:一是提高视觉效果，使图像更加清晰，使人眼在观察时更容易获得需要注意的区域；第二是使图像的表现形式更容易被机器处理，并通过机器分析人们想要的信息。例如，军事侦察卫星获得的遥感图像可能经过伪装处理，其中重要的建筑物和车辆混合在一起，难以区分它们。图像增强处理可以突出机场、桥梁和车辆等元素，然后在不同时间段对遥感图像进行对比处理，可以更准确和完整地观察彼此部署的变化。图像增强不是技术选择中的一次性过程。不同的方法有不同的应用。

二.研究的目的和意义

本文将阐述图像增强的数学基础和一些典型算法，并提出自己的改进方法。本文研究项目的来源是“十一五”国家科技支撑平台重点项目课题:便携式智能阅读器和国家自然科学基金项目(61371142):基于逆向工程的畸变文档图像校正技术研究。上一个项目的产品智能阅读器是本课题的研究平台。本产品是一款基于文本识别的音频电子阅读产品。它主要是通过拍照获取打印文本信息，经过光学字符识别后将其转换成语音，然后输出。它是盲人和弱视者阅读普通书籍的视听转换工具。有了这个产品，盲人可以阅读纸质书籍、杂志、菜单、手册等。图像增强是阅读器处理过程中的一个重要步骤，包括灰度增强和位置增强，以提高人眼的视觉效果和机器处理的准确性。后一个项目是前一个项目的延伸。本项目通过基于模型、基于连通域或基于三维的多种方法实现对变形文本的校正，从而达到位置增强的目的。本课题从基于模型的思想出发，提出了一种新的抛物线数学模型，该模型遍历文本行，得到一系列文本位置点，并利用位置点的坐标使文本行与模型相匹配，根据文本行与水平线的差异，精确地恢复文本行，得到水平分布的文本行。

第三，本研究涉及的主要理论

经过半个多世纪的发展，图像处理现在已经在技术的基础上相对完整。图像增强作为其中的一个重要组成部分，也在技术升级中不断地创新和创造新的方法。图像增强方法始于20世纪60年代。它首次应用于美国喷气推进实验室。实验室人员对航天器返回的图像数据进行了一系列增强处理，如灰度变换、几何变换等。，并获得了高质量的月球表面图像。图像增强技术显示出巨大的应用潜力”。从那以后，这项技术已经多次应用于火星、土星等探测图像的优化，取得了巨大的技术成功。20世纪70年代和80年代，图像增强技术与其他领域相结合，进入了快速发展时期。例如，在此期间，图像增强技术被用于指纹识别领域。通过提高指纹的生成效果和提取质量，保证了指纹识别的准确性，从而使指纹识别成为一项实用技术。图像增强也已经应用于医学领域。一方面，用于显微镜光学成像，生成的图像经过大规模视觉优化处理，可以对细胞结构、细菌形态、染色体形态等进行更详细的分析。另一方面，它被应用于处理由x光产生的图像，这也大大提高了图像效果。20世纪90年代以后，图像增强进入了普及和商业化时期。由于硬件技术的发展，计算机的处理速度迅速提高，但制造成本普遍遵循摩尔定律并不断下降。图像增强技术广泛应用于生产的各个方面，各行各业的生产环境的增强方法也大大增加。21世纪后，图像增强研究的发展具有新的特点，包括数据量大、实时性强、与互联网技术相结合、用户需求定制化、与人工智能相结合、与智能终端相结合等。根据图像是否被变换，图像增强方法可以分为:空域增强和变换域增强。空域增强以图像各点的像素值为一般处理对象，通过像素值的个体或邻域的公式运算达到改善显示效果的目的。例如，灰度变换是根据公式一个接一个地替换像素值，而直方图均衡化则根据均衡分布的准则重新排列像素值；变换域增强(Transformation domain enhancement)不是对像素值本身进行运算，而是使其转换到某个变换域，然后根据其在变换域中的分布特征进行有针对性的运算。例如，傅立叶变换被转换到频域，小波变换被转换到小波域。转换后，有同态滤波、带阻滤波等相对独立的方法。例如，用于分析几何形状的数学形态学应用于图像处理。它包括一些特定的结构元素，通过这些元素可以提取图像中相应的形状。通过这种方式，可以通过将形状与背景分离、分别强调和抑制它们来增强图像。

此外，图像增强与其他领域的其他方法相结合，出现了许多新的处理方法，如与模拟神经信号传输的神经网络算法相结合的新方法。利用神经网络直接增强图像，得到一种非线性增强方法。如上所述，本文提出的方法是基于智能阅读器的产品，产品组成如图所示。该产品包括图像采集器和匹配软件。收集器通过USB电缆连接到计算机。软件识别采集的图像，生成电子文档，然后将电子文档转换成声音信号播放，从而实现可读的文本图像。该机器的便携式版本是一个微控制器，它将软件烧录到阅读器中，以实现类似的处理。便携式阅读器通过供电节省了与计算机连接的过程。该软件的处理包括以下步骤:首先，图像采集；二是图像预处理。第三，字符识别；第四，语音合成。图像增强是预处理步骤的一个组成部分。一般来说，前面的步骤会影响后续处理的结果，因此图像增强会对后续的二值化和布局分析产生重大影响。因此，有必要探索更好的增强算法。这种增强效果可以反映在图像亮度的目标增强或降低中，或者反映在图像中不同点的位置的调整和校正中，目的是便于后续的分析步骤。

第四，本文的主要内容和研究框架

(一)本研究的主要内容

灰度变换、直方图均衡化、中值滤波等方法是图像增强的典型方法。本文将在介绍这一概念后首先解释这些方法。基于小波变换的增强是本文的重点，包括理论和具体方法。另一部分是用于视觉增强的几何失真校正方法。本文以BMP格式的图片作为基本的图片处理格式，并对各种方法进行了测试。实验结果表明，该方法在处理对比度不理想的图像时具有良好的增强效果。全文共分为五章，具体安排如下:

第一章是绪论，介绍了图像增强研究的起点和本文的内容安排。

第二章描述了图像增强的发展现状。首先，简要介绍了一些经典的方法，如灰度变换、直方图均衡化等。然后介绍了现有的小波阈值分割方法。在介绍这些方法时，要注意数学原理和实现方法。

第三章介绍了图像增强程序，包括程序的功能和逻辑流程，然后介绍了程序的主要文件和功能，最后分析了一些核心代码。

第四章阐述了该方法的过程。首先，本文提出的基于自适应阈值的小波增强方法对阈值的选择进行了详细的数学分析，然后介绍了该方法的实现过程。此外，位置增强方法，特别是指向文本文档的指针的几何失真，提出了一种快速校正方法，使图像变直，提高了视觉效果。

第五章是实验工作，模拟新提出的图像增强方法，获得直观的图像对比度和客观数据表，并根据一些评价参数对该方法进行评价。

第六章总结了本文所做的研究工作，分析了现有工作的成果和不足，为进一步的研究工作奠定了基础。

(2)本文的研究框架

本文的研究框架可以简单表达如下:

五、写作大纲

摘要3-4

摘要4

第一章导言7-10

1.1主题选择的背景7-8

1.2本文内容安排为8-10

第二章研究现状10-21

2.1强化理论简介11-17

2.1.1灰度变换12-15

2.1.2直方图均衡化15-17

2.2小波变换增强研究17-21

2.2.1阈值方法17-19

2.2.2直方图均衡化的组合19-21

第三章程序的基本框架21-27

3.1程序介绍21-24

3.1.1程序框架21-23

3.1.2程序流程23-24

3.2主要文件和功能24-25

3.3一些核心代码25-27

第四章增强方法的实施27-41

4.1小波变换简介27-32

4.1.1连续小波变换27-28

4.1.2离散小波变换28-29

4.1.3多分辨率分析和Mallat算法29-32

4.2基于自适应阈值32-35的增强

4.2.1增强阈值32-34

4.2.2降噪阈值34-35

4.2.3工艺流程35

4.3位置增强的扭转校正方法35-41

4.3.1原则分析35-36

4.3.2抛物线模型36-38

4 . 3 . 3 38-39类抛物线模型

4.3.4方法39-41的实施

第五章实验结果41-48

5.1基于自适应阈值的增强41-46

5.2失真校正方法46-48

第六章总结48-49

6.1项目工作总结48

6.2展望48-49

参考文献49-52

学位申请期间的研究成果和发表的学术论文52-53

致谢53

六、本文的研究进展(略)

七、读过的主要文献

[1]拉斐尔·冈萨雷斯，理查德·伍兹，史蒂文·爱丁斯。Trans。阮邱琦。数字图像处理[。MATLAB版。北京:电子工业出版社，2012。

张鸿林。精通Visual C++数字图像处理典型算法和实现[。第二版。北京:人民邮电出版社，2008。

齐燕，宋凯。一种新的基于小波多尺度[的图像增强算法。微机信息，2010，26 (10): 133-134\' 142。

郑姜云、姜浪超、黄忠。基于RGB灰度的彩色图像增强[。计算机工程，2012，38 (2): 226-228。

蔡李梅，钱建生，罗量子，等。一种基于保色的低照度图像增强算法[。计算机应用与软件，2009，26 (3): 226-227，243。

杨永勇，林朱晓，等。几种彩色图像增强方法的比较[。北京石油化工学院学报，2006，14 (3): 43-47。

韦雪·王，王世李，李克。基于伪中值滤波和小波变换的红外图像增强方法[[]。激光与红外，2013，43 (1): 90-93。

尹世昌，余宋林。基于小波变换和直方图均衡化的红外图像增强[。激光与红外，2013，43(2): 225-228。

陈超。改进的单尺度视网膜算法在图像增强中的应用[。计算机应用和软件，2013，30 (4): 55-57，74。

李小霞，李协国，邹建华，等。一种新的低照度彩色图像增强算法[。计算机应用研究，28(9): 3554-3555，3558。

王秦晖。小波分析及其应用[。北京:北京邮电大学出版社，2011。

艾伯特·博格斯、弗朗西斯·纳乔维奇、荷兰·郭盛、康健一。小波和傅立叶分析的基础[。北京:电子工业出版社，2010。

尹鸿然，余浩，秦庆丰。基于视网膜理论的彩色图像增强算法[[]。电子科学与技术，2012，25 (3): 21-24。

张瑞强、齐力通过点操作[进行数字图像处理。《实验室科学》，2008，(4): 61-62。

陈首钢。基于直方图均衡化的彩色图像增强研究[[]。重庆三峡大学学报，2012，27 (3): 74-77。

唐志行，黄哲，张东恒，等。基于尺度相关的自适应图像增强新算法[。计算机应用，2006，26 (9): 2084-2085，2088。

周树道，黄凤，等。基于小波变换的图像增强新算法[。计算机应用，2005，25 (3): 606-608。

桑舞、彭良宇。基于小波变换的图像增强新算法[[]。现代电子技术，2013，36(4):89-91。

王小明、方小英、刘金高。复杂光照下的自适应人脸图像增强[。《计算机工程与应用》，2011，47 (2): 15-18。

熊秋菊，杨木生。数字图像边缘检测算法的比较研究[[]。机械工程与自动化，2009，(2): 43-44，47。

刘茜、洪欣、李湘林。基于多尺度视网膜[的自适应图像增强方法。计算机应用，2009，29 (8): 2077-2079。

[22]徐丽·宗，安德鲁·莱恩，爱德华·盖瑟。引用该论文[。IEEE透射成像，1998，17(4): 532-540。

[23]大卫·多诺霍，伊恩·约翰斯顿。引用该论文[。Biometrika，1994，81(3): 425-455。

[24]谢清堂，赖尤金，尤王闯。一种基于小波变换的指纹图像增强的有效算法。模式记录，2003，32(2): 303-312。

张德方。马特实验室小波分析和工程应用[。北京:国防工业出版社，2008。

周伟。基于MATLAB的小波分析的应用[。第二版。Xi安:西安电子科技大学出版社，2010。

关李畅、罗武生、李沛。基于人类视觉特征的彩色图像增强算法[。光电工程，2009，36 (11): 92-95。

周觅、李尊尊、耿国华。基于小波阈值的图像去噪方法研究[·JL计算机技术与发展，2008，18 (5): 22-24。

叶中原，黄永东。小波阈值去噪算法的新改进[[]。《计算机工程与应用》，2011，47 (12): 141-145。

李京杨滨卢会贤。基于局部自适应阈值的小波图像去噪[[]。青岛理工大学学报，2010，31 (2): 118-122。