基于matlab的红外图像处理算法研究,基于小波的红外图像去噪算法研究

摘要：针对红外图象对比度差，噪声较大的缺点，提出一种基于二维离散小波变换的红外图象去噪方法。对红外图象进行离散小波变换后，使用一种新型的阈值函数去噪，其阈值表达式简单且连续，既克服了硬阈值函数不连续的缺点，又克服了软阈值函数中估计小波系数与含噪小波系数间存在很顶偏差的缺陷。并在去噪的基础上对图像进一步做了增强，使用了一种基于离散平稳小波变换增强红外图像局部对比度的非线性增益算法，分别对去噪后的各个分解层的高频子带进性细节增强，最后将图象复原。仿真结果表明，在去噪红外图象视觉效果和峰值信噪比两个方面，文中提出的去噪法优于已有的各种门限去噪法。所用增强算法在有效的提高红外图像整体对比度的同时，能够突出红外图像中目标的细节部分信息，在视觉质量上优于传统的直方图均衡法反锐化掩膜法等。

关键词：小波变换  红外图象  阈值函数  峰值信噪比

引 言：

红外热成像是一种非接触无损伤式的体表温度测量方法。它利用红外辐射成像的原理研究物体表面温度。根据体表不同的温度分部已形成不同灰度像素点的图像。目前红外图像已经广泛应用于军事和民用领域，但由于恶劣的外界环境条件、场景中的目标与背景的温差较小以及探测仪器本身固有的特性，红外图像具有高背景，低反差的特点，图像信噪比低，成像比较模糊，目标与背景对比度较差，噪声较大等缺点。因而对红外图像的去噪处理直接影响到后续的红外目标识别工作的质量。在实践中常采用中值滤波方法对红外图像进行去噪处理，它虽然对脉冲噪声和椒盐噪声有较好的抑制作用，但是对高斯噪声的抑制能力却较差。为此，近年来国内外许多学者提出了一些有效的新方法和理论，其中近几年兴起的小波理论由于其良好的时频特性已经成为一种进行图像处理的强有力的工具。

小波去噪方法中最早被提出的是小波阈值去噪方法，它是一种实现简单而效果较好的去噪方法，最早的阈值去噪方法为Donoho提出的VisuShrink方法。阈值去噪的思想很简单，就是在小波分解后的各层系数中，对模大于和小于某阈值的系数分别处理，然后对处理完的小波系数再反复变换重构出一幅经去噪后的图像。目前阈值函数主要有两种：硬阈值函数和软阈值函数。但由于硬阈值函数的不连续性，容易引起去噪图像中出现振铃，伪吉布斯效应等视觉失真，而软阈值函数虽然处理相对平滑，但由于估计小波系数和带噪小波系数之间的恒定偏差，也造成了去噪图像边缘模糊等失真现象。为此，本文针对现有阈值去噪法的缺点，提出一种新型小波域红外图像的阈值去噪法。

由于红外图像的特点，去噪后的图像依然存在对比度差和信噪比低等缺点，因而对红外图像的增强处理同样影响到后续的分割和目标识别的质量。图像增强不会考虑引起图像质量下降的原因，而是将图像中感兴趣的特征有选择的突出，并衰减不需要的特征。图像增强的目的是为了改善图像的视觉效果，提高图像的清晰度和工艺的适应性，以及便于人与计算机的分析和处理，以满足图像复制或再现的要求。因此，本文使用一种基于离散平稳小波和非线性增益法的红外图像对比度增强法。由于平稳小波具有“平移不变性”，分解后各层子带的小波系数个数等于原图像的像素个数，因而能够保证各层子带有足够多的系数求取去噪时的渐进最优阈值，同时又能避免图像重建后出现的“吉布斯”现象。为此，采用离散平稳小波变换对红外图像进行校波分解，对分解后的高频子带利用所提出的去噪方法结合非线性增强算子进行增强。

实验结果表明，本文所提出的新的阈值去噪法无论是峰值信噪比，还是主观质量都优于已有的各种阈值去噪法，使用的基于离散平稳小波变换的红外图像增强法保证了在有效滤除噪声的同时又能很好的保持红外图像的细节部分信息。

[本帖最后由 liuchang24 于 2008-5-23 12:22 编辑]