（测试计量技术及仪器专业论文）基于curvelet变换的红外图像与可见光图像融合算法研究.pdf

l i 1 ii ii i i llu li l lu i y 1812 016 a n d v i s i b l ei m a g e sb a s e do nt h ec u r v e l e t t r a n s f o r m a t h e s i si n i n s t r u m e n ts c i e n c ea n dt e c h n o l o g y b y j i a n gt i n g - r i n g a d v i s e db y p r o f e s s o rw a n g j i n g - d o n g s u b m i t t e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g j a n u a r y , 2 0 1 0 承诺书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立 进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容 外，本学位论文的研究成果不包含任何他人享有著作权的内容。对本 论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明 确方式标明。 本人授权南京航空航天大学可以有权保留送交论文的复印件，允 许论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名： 日期： 加t 口鸥1 c l e t 的数字实现比较复杂，而且， 针对以上不足，本文引出了实 c u r v e l e t 变换。进而，详细介 绍了第二代c u r v e l e t 变换理论、性质、实现方法、以及在图像处理中的应用。 待融合原图对融合结果有着非常重要影响，即原图画质差将直接导致融合处理的失败。 并且在现实中，通过比较发现，红外图像存在着一系列的噪声、低对比度、低分辨率等问题。 针对以上问题，对红外图像进行了进一步的特征分析，指出红外图像存在着多种噪声，同时， 红外图像存在着对比度低、视觉效果模糊，清晰度低等特征，进而引出了下文对红外图像的 去噪处理，以及对融合结果图的增强处理。 针对现有的红外图像去噪算法的一些不足，如硬阈值算法在含有丰富边缘图像中会产生 许多“人为”噪声点，软阈值算法造成了一定的高频信息损失，其结果导致了图像的边缘模 糊，折中阈值去噪法在阈值的选取上过于单一化，不适合抑制红外图像分布错综复杂的噪声， 故本文提出了一种阈值补偿函数，使用这种算法，不但可以实现能量自适应抑噪，而且能够 保留图像的边缘信息，取得较好的抑噪效果。 针对c u r v e l e t 变换在图像细：肯信息的保留上存在的不足，和小波变换不能很好的保留 图像的长边缘信息的问题，本文提出了基于c u r v e l e t 变换与小波变换相结合的融合算法， 将两个变换结合目的是取各自优势，互补劣势，使图像的长边缘信息和点细节信息都得到很 好的保留。同时，在融合规则上也提出了一种新的信号强度比法，大量的实验数据表明，使 用该融合规则，融合结果能更好的保留目标信息和光谱信息，证明该算法存在着很强的优势。 最后，针对融合结果图的整体画质不理想问题，本文研究了基于c u r v e l e t 变换的图像 增强算法，针对现有的单阈值增强算法和双阈值增强算法的不足，如单阈值增强算法在增强 图像细节的同时，对噪声进行了放大，双阈值增强算法会造成噪声的过抑制，即抑制了噪声 的同时，图像的细节信息也遭到了模糊，本文提出了一种基于c u r v e l e t 变换的自适应阈值 的图像增强算法，该算法在不放大噪声的基础上，又加强的图像的边缘信息。由大量的实验 证明，该算法比传统的直方图均衡，单闽值增强，双阈值增强都有着很强的优势，对增强后 的结果图的细节、纹理、清晰度都有很大改善。 关键词：c u r v e l e t 变换；小波变换；图像去噪；图像融合；图像增强 基于c u r v e l e t 变换的红外图像与可见光图像融合算法研究 a b s t r a c t t h ef i r s tg e n e r a t i o nc u r v e l e tt r a n s f o r mh a ss o m es h o r t c o m i n g s ，s u c ha si ti ss oc o m p l e xa n d a l s ob r o u g h tah u g ea m o u n to fd a t ar e d u n d a n c y f o rt h ea b o v es h o r t c o m i n g s ，i tl e a d st ot h e s e c o n d - g e n e r a t i o nc u r v e l e tt r a n s f o r m ，t h e ni n t r o d u c e si t sp r i n c i p l e ，a l s op u t sf o r w a r dt w ok i n d so f m e t h o d s o n ei su s f f t a l g o r i t h ma n dt h eo t h e ri sw r a p p i n ga l g o r i t h m b u tt a k i n gt h ec o m p l e x i t y o ft h ep r o b l e mi n t oa c c o u n t ，i nm yt h e s i s ，t h ew r a p p i n ga l g o r i t h mi su s e d o r i g i n a lf u s i o nw i l ld i r e c t l yl e a dt ot h ef a i l u r eo ft h ef u s i o np r o c e s s i n g b yc o m p a r i s o n ，w e g o tt h a tt h ei n f r a r e di m a g e sh a v em u l t i p l i c a t i v en o i s e s ，l o w - c o n t t a s t ，a n dl o w - r e s o h i t i o n t h e d e n o i s i n ga n dt h ee n h a n c e m e n to f t h ei n f r a r e di m a g e sa r ep r o p o s e d t h ec u r r e n ti m a g ed e n o i s i n ga l g o r i t h m sh a v es o m es h o r t c o m i n g s ，s u c ha st h eh a r dt h r e s h o l d a l g o r i t h m ，t h ee d g eo ft h ei m a g ew i l lh a v em a n y ”a r t i f i c i a l ”n o i s ep o i n t s a n dt h es o f t - t h r e s h o l d a l g o r i t h mc a u s e daa m o u n to fh i g h f r e q u e n c yi n f o r m a t i o nl o s sa n dt h ee d g eo ft h er e s u l t sa r e b l u r r e d f o rt h ea b o v es h o r t c o m i n g s u s i n gt h i sa l g o r i t h m ，w ec a nn o to n l ye n a b l ee n e r g ya d a p t i v e n o i s es u p p r e s s i o n , b u ta l s oc a ns a v et h ei m a g ee d g ei n f o r m a t i o n v e r yw e l l b a s e do nt h es h o r to ft h ec u r v e l e tt r a n s f o r mi nt h ee x p r e s so ft h ei m a g e d e t a i l ，t h ea l g o r i t h m b a s e do nt h ec u r v e l e tt r a n s f o r ma n dw a v e l e tt r a n s f o r mi sp r o p o s e d t h ep u r p o s eo fc o m b i n i n gt h e t w ot r a n s f o r m a t i o n si st ot a k et h e i rr e s p e c t i v ea d v a n t a g e sa n dw e a k n e s s e sc o m p l e m e n te a c ho t h e r s ot h el o n g e d g ei n f o r m a t i o na n dp o 缸d e t a i l so ft h ef u s e di m a g ea r ew e l lr e t a i n e d a tt h es a m e t i m e ，i ta l s op r o p o s e san e wc o e f f i c i e n t ss e l e c t i o nm e t h o d ，al a r g en u m b e ro fe x p e r i m e n t a ld a t a s h o wt h a tf u s i o nr e s u l t sc a nr e t a i nt a r g e ti n f o r m a t i o na n ds p e c t r a li n f o r m a t i o nb e r e r f i n a l l y , t h ee x i s t i n gs i n g l e t h r e s h o l da n dd u a l - - t h r e s h o l de n h a n c e m e n ta l g o r i t h mh a v et h e i r s h o r t c o m i n g s s u c ha st h es i n g l e - t h r e s h o l de n h a n c e m e n ta l g o r i t h mm a ya l s oe n h a n c et h en o i s e d u a l t h r e s h o l de n h a n c e m e n ta l g o r i t h mm a yc a u s ee x c e s s i v en o i s es u p p r e s s i o n ，t h a tw i l lc a u s et h a t t h ed e t a i l sh a v eb e e nf u z z i e d t os o l v et h ea b o v es h o r t c o m i n g s ，i tp o p o s e dt h ea d a p t i v e - t h r e s h o l d e n h a n c e m e n ta l g o r i t h m al a r g en u m b e ro fe x p e r i m e n t ss h o wt h a tt h ea l g o r i t h mi sm u c hb e t t e r t h a nt h et r a d i t i o n a lh i s t o g r a me q u a l i z a t i o na l g o r i t h m s ，t h es i n g l et h r e s h o l de n h a n c e m e n ta n dt h e d u a l - t h r e s h o l de n h a n c e m e n t k e yw o r d s ：t h ec u r v e l et r a n s f o r m ，t h ew a v e l e tt r a n s f o r m ，i m a g ed e n o s i n g ，i m a g ef u s i o n ， i m a g ee n h a n c e m e n t 第一章绪论l 1 1 研究的背景及意义1 1 2 国内外研究现状2 1 3 本文研究内容和创新点5 1 3 1 本文研究的内容5 1 3 2 本文的创新点。6 第二章c u r v e l e t 理论8 2 1 引言8 2 2 从傅里叶分析n d , 波分析8 2 3 图像的多尺度几何分析1 0 2 4 曲线特征的稀疏表示1 1 2 5 第一代c u r v e l e t 变换1 2 2 5 1r a d o n 变换。1 2 2 5 2r i d g e l e t 变换1 3 2 5 3 第一代c u r v e l e t 变换1 4 2 5 4 第一代c u r v e l e t 变换的不足1 5 2 6 第二代c u r v e l e t 变换1 6 2 6 1 连续c u r v e l e t 变换1 6 2 6 2 离散c u r v e l e t 变换1 7 2 7 第二代c u r v e l e t 变换的性质18 2 8 第二代c u r v e l e t 变换的实现一1 8 2 8 1u s f f t 算法1 8 2 8 2w r a p p i n g 算法1 9 2 9c u r v e l e t 变换在图像处理方面的应用1 9 第三章红外图像的特征分析2 3 3 1 引言2 3 3 2 红外图像的特征分析2 4 3 2 1 红外图像的产生机理及特点2 4 3 2 2 红外图像中的噪声分析2 4 基于c u r v e l e t 变换的红外图像与可见光图像融合算法研究 3 2 3 红外图像的对比度及分辨率2 7 第四章基于c u r v e l e t 变换的红外图像去噪2 9 4 1 引言2 9 4 2 常片j 的去噪算法分析2 9 4 3c u r v e l e t 去噪的算法3 0 4 3 1 阈值的选取3 1 4 3 2 阂值函数3 1 4 3 3 去噪流程3 5 4 4 实验及结果分析。3 5 4 4 1 评价指标3 5 4 4 2 实验结果分析3 6 第五章基于c u r v e l e t 变换的红外图像与可见光图像的融合4 1 5 1 引言4 l 5 2 图像融合技术的概述4 l 5 2 1 图像融合的基本概念4 1 5 2 2 图像融合的主要研究内容4 2 5 2 3 图像融合效果的评价4 3 5 3 基于c u r v e l e t 变换的融合4 5 5 4 基于c u r v e l e t 变换和小波变换相结合的融合4 7 5 4 1 算法步骤4 7 5 4 2 低频系数处理方法4 8 5 4 3 高频系数融合规则的研究4 8 5 5 实验与分析51 5 5 2 模板璺! ：! ! 对融合结果的影响5 1 5 5 3 阈值t 对融合结果的影响5 3 5 5 4 与传统图像融合算法的比较。5 5 第六章基于c u r v e l e t 变换的红外图像增强6 0 6 1 引言6 0 6 2 基于直方图均衡法的图像增强6 l 6 3 基于c u r v e l e t 变换的图像增强6 3 6 3 1 单阈值增强算法6 3 6 3 2 双阈值增强算法6 3 ，- - 南京航空航天大学硕士学位论文 6 3 3 白适应增强算法( 本文算法) 6 4 6 3 4 基于c u r v e l e t 变换的图像增强的步骤6 4 6 4 实验及结果分析6 5 6 4 1 评价指标6 5 6 4 2 实验结果分析6 5 第七章总结和展望7 0 7 1 论文工作总结7 0 7 2 研究展望。7 1 参考文献7 2 致谢7 5 在学期间的研究成果及发表的论文7 6 基于c u r v e l e t 变换的红外图像与可见光图像融合算法研究 图清单 图2 1 不同基结构对曲线的表示1 2 图2 2 d g e l e t 变换流程图1 4 图3 1 噪声频谱分布图2 6 图4 1 硬阈值函数3 2 图4 2 软闽值函数3 3 图4 3 折中阈值函数3 3 图4 4 阈值补偿函数3 4 图4 5 不同阈值函数的图像去噪结果图3 7 图4 6 不同闽值函数的图像去噪结果图的s o b e l 边缘提取3 8 图4 7 不同阈值函数的图像去噪结果图3 9 图5 1 图像融合的三个层次4 2 图5 2 基于c u r v e l e t 变换的图像融合算法的流程图4 6 图5 3 基于c u r v e l e t 变换的融合结果图4 6 图5 4 基于c u r v e l e t 变换和小波变换相结合的图像融合算法的流程图4 8 图5 5 择取因子和信号强度比的函数曲线5 1 图5 6 不同模板系数的融合结果图5 2 图5 7 不同模板系数的融合结果的c a n n y 边缘提取图5 2 图5 8 不同阈值t 的融合结果。5 4 图5 9 不同阂值t 的融合结果的c a n n y 边缘提取图5 4 图5 1 0 不同融合算法的融合结果比较图5 6 图5 1 1 不同融合算法的融合结果比较图5 8 图6 1 不同增强方法的的增强结果比较图6 6 图6 2 图像增强的主要内容6 0 图6 3 图像增强结果图的局部区域放大图6 6 图6 4 另一组的图像增强结果比较图6 8 图6 5 图像增强结果图的c a n n y 边缘提取图6 8 南京航空航天大学硕士学位论文 表清单 表4 1 不同阈值函数的图像去噪结果图的评价指标比较一3 9 表5 1 不同的模板系数的融合结果图的评价指标。5 3 表5 2 不同阈值t 的融合结果图的评价指标。5 5 表5 3 不同融合算法的融合结果的指标评价结果一5 7 表5 4 不同融合算法的融合结果的指标评价结果。5 9 表6 1 增强结果图的评价指标6 9 基于c u r v e l e t 变换的红外图像与可见光图像融合算法研究 注释表 略写英文全称中文名称 d w t d i s c r e t ew a v e l e tt r a n s f o r m 快速小波变换 c t t h ec u r v e l e tt r a n s f o r m曲波变换 f d c tf a s td i s c r e t ec u r v e l e tt r a n s f o r m 快速离散曲波变换 p c a p r i n c i p a lc o m p o n e n ta n a l y s i s主成份分析 h i sh u ei n t e n s i t ys a t u r a t i o n 色调、亮度、饱和度 f f tf a s tf o u rie rt r a n s f o r m 快速傅里叶变换 w r a p p i n gw r a p p i n g - b a s e dt r a n s f o r m 基于封装的变换 e n l e q u i v a l e n tn u m b e ro fl o o k s 等效视数 e p i e d g ep r o t e c t i o ni n d e x 边缘保护指数 i 珂r o wf r e q u e n c y 行频率 c fc o l u m nf r e q u e n c y 列频率 s f s p a c ef r e q u e n c y 空间频率 m dm i c r o p ld i s t o r t 光谱扭曲程度 南京航空航天大学硕士学位论文 第一章绪论 1 1 研究的背景及意义 小波变换近十几年来被广泛应用于众多领域之中，取得了许多令人瞩目的成就，现在已 经成为了一个重要的数学分析工具，吸引了众多科学研究者的注意力。在图像压缩、去噪、 增强、特征提取、数字水印等数字图像处理领域中，小波变换都有着卓越的表现。但是小波 在对二维信号的表达上有它的固有缺陷，它只能反映信号的零维奇异性，即反映奇异“点” 的位置和特性，而难以表达更高维的特性，如线条信息，而图像的边缘等线条信息恰恰包含 了图像的大部分信息。 针对小波的这些不足，促使e j c a n d e s 和d l d o n o h o 于1 9 9 9 年提出了c u r v e l e t 变换 理论( 第一代c u r v e l e t 变换) 【l 2 ，3 ，4 5 1 。第一代c u r v e l e t 变换由于引入了一个方向参量，因 此它具有高度的各向异性特征，具有良好的边缘和线状细节等的表征能力。它是建立在 r i d g e l e t ( 脊波) 理论的基础之上的，数学定量分析十分困难。另外，为克服变换中的块效应， 使用重叠的窗口，又增加其数字实现的冗余度。所以第一代c u r v e l e t 应用的范围不是太广。 后来，c a n d e s 等人下2 0 0 2 年提出了新的c u r v e l e t 框架体系，称之为第二代c u r v e l e t 变换【1 1 。新的理论框架结构为提高c u r v e l e t 变换实现速度提供了可能。在此之后，他们又 于2 0 0 5 年提出了基于第二代c u r v e l e t 变换理论的快速离散实现方法( f i ) c t ) ，它比起原来 的离散实现方法更简单，快速，并人大减少了传统实现算法所带来的冗余。 图像融合是二十世纪7 0 年代后期提出的新概念，由于图像所携带的信息量大、图像种 类多，使得图像的理解、识别等- t 作变得困难，而图像融合技术则是解决这一瓶颈问题的重 要理论和方法。 图像融合技术充分利用源图像的互补信息，能够大大改善图像的质量。通过综合来自多 传感器( 或者单一传感器在不同时问) 的图像，获得比源图像清晰度更高的图像，达到图像增 强的目的。对儿幅图像进行加权平均【6 】，是图像融合研究的雏形。之后，针对不同类型的图 像，各种图像融合的实现方法也不断涌现。例如，线性p c a ( 线性主成份分析) ，h i s 变换( 色 调、亮度、饱和度变换) 等等。特别是小波技术的出现，使得对图像融合研究达到了高潮并 成为研究热点，并在t 程中得到实际的应用。 和其它高新技术一样，图像融合技术也是首先在军事技术上得到应用的【7 1 。目前，图像 融合技术在军事上的应用越米越广泛。无论是战区导弹防御系统、国家导弹防御系统那样的 大系统，还是精确制导导弹、自主式炮弹、微型军用机器人这样的小系统均离不开融合技术。 在民用方面，图像融合已在遥感、智能机器人等领域得到应用。例如，1 9 9 7 年在火星着陆 基于c u r v e l e t 变换的红外图像与可见光图像融合算法研究 的“火星探路者”机器人及近年分别成功登陆火星的美国“勇气”号与“机遇”号火星探测 器身上都安装了激光束投影仪、摄像机、全景照相机、关节传感器和加速度传感器。由于光 从地球到火星的时间就达十一分钟，所以在不少时间段内该机器人必须能够自主工作。火星 探测器是多传感器融合应用的典型例子。 图像融合技术在民用方面有着巨大的应用潜力【引。在制造业，图像融合技术可用于产品 的检验、材料探伤、复杂设备诊断、制造过程监视、生产线上复杂设备和工件的安装等；在 医学上，可通过对c t 和核磁共振( m r j ) 图像的融合，帮助医生做出对疾病更为准确的诊断； 图像融合还可用于计算机辅助显微手术；在图像和信息加密方面，通过图像融合也可实现数 字图像的隐藏以及数字水印的图像植入；另外，图像融合也可用于交通管理和航空管制。可 以相信，随着图像融合技术研究的不断深入，图像融合技术必将会得到更为广泛的应用。 基于c u r v e l e t 变换的图像融合技术，在红外图像成像系统中显得尤为必要。在该系统 中要同时获得目标特征、细：i 了特征和一些边缘特征是很难的，因此往往通过多传感器、多分 辨率遥感数据融合方法来获得更全面的信息。传统的基于h i s 和p c a 的融合方法可以达到较 高的空间分辨率，融合图像在视觉上比较清晰，但是往往在细节特征、以及边缘特征的表达 上还不尽如人意。而基于小波变换的融合方法可以获得红外图像的目标特征，而且，能很好 的表达一些奇异点特征，但是，容易丢失一些结构的长边缘信息。与小波变换一脉相承的 c u r v e l e t 变换由于其优秀的边缘表达能力，有助于改善小波变换融合图像的长边缘缺失现 象，并有效地提高其空间分辨率，对此的研究意义也就更加重要。 1 2 国内外研究现状 目前图像融合领域采用的融合方法主要有以下几种： ( 1 ) 简单融合： 简单融合就是把两幅或两幅以上的源图像通过简单的相加或取大取小运算得到融合图 像，如简单平均、简单取大、简单取小等。通过把两幅图像逐像素进行简单平均或者灰度( 彩 色) 图像色彩值取大取小得到融合图像。该方法算法简单、融合速度快、适合实时处理。 上述融合方法虽然能达到一定的融合效果，但存在一定的局限性。如简单平均的融合方 法，融合图像的对比度和信噪比较低，融合结果比较模糊。 ( 2 ) 基于塔形分解： 塔形分解法是一种多尺度、多分辨率图像融合方法，其融合过程是在不同尺度、不同空 间分辨率、不同分解层上分别进行的。利用图像的金字塔分解能分析图像中不同大小物体， 高分辨率层可用于分析细节，而低分辨率层可用于分析较大物体。同时通过对低分辨率、尺 寸较小的高层进行分析所得的信息，还可用来对高分辨率、尺寸较大的下层进行指导。从而 可以大大简化分析和计算。 2 南京航空航天大学硕士学位论文 上述融合方法虽然能达到一定的融合效果，但存在一定的局限性。基于塔形分解的图像 融合，塔形分解后各层数据有冗余、有相关性，塔形数据的总值比源图像增加约1 3 之上。 同时，塔形分解方法中除梯度塔形分解具有方向性外，其余的均无方向性。 ( 3 ) 基于小波的图像融合： 根据c a m p b e l l 和r o b s o n 的实验表明，人的视网膜对于视觉信号是在不同的频道中分别 进行处理的，小波分解也是如此，采用基于小波变换的融合方法可以获得与人的视觉特性接 近的图像分析效果。同时，小波分解中图像数据量不变，各层的融合可以并行进行，因此小 波变换的计算速度和所需存储量都优于拉普拉斯金字塔变换。通过小波变换将原始图像分解 成一系列不同方向分辨率和频率特性的子图像，能够充分反映原始图像的局部变化特征，正 交小波变换解决了相邻尺度上图像信息的相关性，所以基于小波变换的融合方法能克服拉普 拉斯金字塔的不稳定性。因此，目前小波变换是发展最多最成熟的图像融合方法。 小波变换虽然能克服塔形分解的缺点，但一种小波变换的融合方法通常只适用于一幅或 几幅融合图像，不具有通用性。同时，在图像融合中常用的二维小波是一维小波的张量积， 用它来对图像进行分析，是以“点”为单位来捕捉图像的特征。而自然图像的主要组成单位 并不是“点”，而是“线”和“面”。在二维图像情况下，图像信息大多包含在边缘中，而小 波变换只能反映“过”边缘特性，无法表达“沿”边缘特性。另外，在i 刽像融合中，一般都 采用可分离的小波变换核，它们是各向同性的，无法更精确地表达边缘的方向。 ( 4 ) 基于c u r v e l e t 变换的图像融合： 近几年，d o n o h o 等人提出的c u r v e l e t 变换( 曲波变换) ，引起了有关研究人员的密切关 注。尤其在图像处理领域，它被认为即将成为一项非常有用的新技术。c u r v e l e t 变换是在研 究小波变换的基础上发展起来的，它克服了小波变换在应用中的不足，显示出了许多独到之 处。 付梦印等人将c u r v e l e t 变换用于图像融合【9 1 ，提出了基于c u r v e l e t 变换的图像融合算 法，并且通过融合规则的选择，取得了一定了融合效果。张强等人将c u r v e l e t 变换用在了 融合处理中【1 0 】，首先采用c u r v e l e t 变换提取全色波段图像的空间细节信息，然后采用基于 内容的注入模型，将提取的空间信息局部调整后添加到各波段图像中去，得到具有高空间分 辨率的图像，算法在有效避免融合后，图像光谱失真的同时，能够显著提高融合图像的空问 质量，但是，该算法也存在着一些弊端，如在将空间信息添加到各波段图像中去时，难免保 证空间信息的全部获取，会发生信息缺失现象，导致图像细节信息的丢失，导致模糊。蒋年 德等人将c u r v e l e t 变换与h i s 变换相结合【l l 】，并用于红外图像与可见光图像的融合算法中， 该算法能很好的保留红外图像的目标信息，同时，可见光图像的光谱信息也得到了很好的保 留，但是h i s 变换会带来光谱失真现象。吴：占国等人提出了一种新的基于边缘的曲波变换的 3 基于c u r v e l e t 变换的红外图像与可见光图像融合算法研究 图像融合方法 1 2 l ，采用c a n n y 边缘检测方法，并结合曲波变换算法，确定图像边缘位置。针 对曲波分解的不同频率域，对高频信息依据其是否为边缘点采用不同的融合策略，对低频信 息利用平均法进行融合，最后进行重构得到融合结果。对该方法得到的实验结果进行主客观 评价和对比表明，提出的算法在抑制噪声的同时，能有效地突出边缘细节，具有更好的视觉 效果，美中不足的是，算法忽略了目标特征和一些非边缘的细节信息，只针对边缘点进行融 合，导致结果图中一些重要的目标区域发生了缺失，非边缘的一些细节信息也没有能够得到 很好的保留。故，现有的融合算法还不能达到很好的融合效果，针对红外图像和可见光图像 的融合，对于如何提高可见光图像中的边缘和一些细节信息，如何保留红外图像的目标信息 等问题，还需要近一步的研究。 随着对c u r v e l e t 变换研究的不断深入，c u r v e l e t 变换除了在图像融合处理方面，取得 了一定了研究成果之外，还被用在了图像处理的其他诸多领域，如图像去噪、图像增强等方 面。 图像去噪处理方面：刘国高等人采用基于c u r v e l e t 变换的阈值去噪算法进行了红外图 像的去噪研究【l3 1 ，研究了软阈值去噪、硬阂值去噪，得到了一定的去噪效果。随后，杨国梁 等人针对软阈值和硬阈值去噪方法存在的不足0 4 ，提出了基于c u r v e l e t 变换域的软硬阈值 折中去噪法，并采用不同的阈值白适应地对不同的c u r v e l e t 子带进行闽值化，实验结果表 明该方法对图像中的边缘曲线特征有更好的复原，折中阈值去噪法结合了硬阈值去噪法和软 阈值去噪法，但是，折中阈值算法在阈值的选取上过于单一化，不适合抑制图像中分布错综 复杂的噪声。王小芳等人提出了一种新的针对无组织散乱点云的红外图像去噪处理方案f 1 5 】， 该方案充分利用了无组织散乱点云中包含的深度信息，对噪声敏感，获得了满意的散乱点云 去噪结果，但是，无组织散乱点云中包含的深度信息对噪声的敏感，无法很精确地对噪声进 行反应，难免发生一些噪声的泄露。李丹等人针对目前基于曲波变换的去噪算法进行了改进 6 1 ，提出结合w r a p p i n g ( 基于封装的曲波变换) 和c y c l es p i n n i n g ( 循环平移) 的 w c s c u r v e l e t 去噪新算法，采用强制平移信号以使它们的特性改变位置，然后再把结果逆 平移回来，这样可以有效抑制伪吉布斯现象。仿真实验的结果证实了该算法减少了伪吉布斯 现象，较好地保留了图像的细节和纹理，获得了更好的视觉效果和更高的峰值信噪比，但是 美中不足的是，该算法将w r a p p i n g ( 基于封装的曲波变换) 和c y c l es p i n n i n g ( 循环平移) 相结合，首先，需要消耗大量的时间，其次，在循环平移中难免发生系数一定程度的丢失现 象，最终导致了图像一定程度的失真。故现有的红外图像的去噪算法都得到了一定的去噪效 果，但是，总有不尽如人意的地方，还需近一步的研究改进。 图像增强处理方面：倪雪等人针对传统图像增强方法用于低对比度图像时【1 7 】，存在对噪 声敏感、局部过增强等问题，提出了一种基于第二代c u r v e l e t 变换的增强方法。将图像进 4 广 南京航空航天大学硕士学位论文 行多尺度多方向的c u r v e l e t 变换；引入分段非线性函数的思想，调整低频子带系数，提高 图像整体的对比度；对各尺度的高频子带系数进行非线性加权，增强图像细节，并进行阈值 降噪。实验表明，该算法能有效地提高图像的对比度、降低噪声，并且较好地保留边缘信息， 具有良好的视觉效果。该算法降低了噪声的同时，不可避免的造成了源图部分信息的丢失， 产生“过抑制”现象，这是该算法美中不足的地方。赵振磊等人将第二代c u r v e l e t 变换用 于图像增科1 8 】，并通过单阈值增强算法确定c u r v e l e t 分解子带的噪卢水平。实验结果表明， 同基于小波变换的图像增强方法相比，该方法具有明显的优势。但是，单阈值增强算法对所 有的c u r v e l e t 系数进行了放大，在增强图像细节的同时，对噪声进行了放大。针对以上不足， 耿则勋等人提出了通过双阈值的增强算法【1 9 1 ，该算法是对单阈值的改进，证明了该算法相对 于单阈值，存在着明显优势。但是又不难发现，在该算法中，但是无法避免的是，会造成噪 声的过抑制，即抑制了噪声的同时，图像的细节信息也遭到了模糊。故现有的图像增强算法 都有待改进的地方，还有待近一步的研究。 1 3 本文研究内容和创新点 1 3 1 本文研究的内容 本文首先介绍了c u r v e l e t 理论，介绍了第一代c u r v e l e t 变换理论的演变史，并且针对 第一代c u r v e l e t 变换存在的不足，如第一代c u r v e l e t 的数字实现比较复杂，需要子带分解、 平滑分块、正规化和r i d g e l e t 分析等一系列步骤，而且第一代c u r v e l e t 金字塔的分解也带 来了巨大的数据冗余量，本文针对以上不足，引出了实现更简单、更便于理解的快速c u r v e l e t 变换算法，即第二代c u r v e l e t 变换。进而，详细介绍了第二二代c u r v e l e t 变换理论、性质、 实现方法、以及在图像处理中的应用。 然后，针对待融合原图对融合结果的重要影响，即原图画质著将直接导致融合处理的失 败。并且在现实中，通过比较发现，红外图像则存在着一系列的噪声、低对比度、低分辨率 等问题，故对红外图像进行了进一步的特征分析，详细介绍了红外图像的噪声类型以及对比 度和分辨率，指出红外图像存在着多种噪声，比如热噪声、散粒噪声、1 f 噪卢、光子电子 涨落噪声等等，噪声来源多样，噪声类型繁多，这些都造成红外热图像上噪声的复杂性。同 时，红外图像存在着对比度低、视觉效果模糊，清晰度低等特征，进而引出了下文对红外图 像的去噪处理，以及对融合结果图的增强处理。 其次，针对现有的红外图像去噪算法的一些不足，如硬阑值算法在含有丰富边缘图像中 会产生许多“人为的”噪声点。软闽值算法造成了一定的高频信息损失，其结果导致了图像 的边缘模糊。折中阈值去噪法在阈值的选取上过于单一化，不适合抑制红外图像分布错综复 杂的噪声。本文针对以上不足，并且考虑到红外图像的自身特征，本文提出了一种闽值补偿 5 基于c u r v e l e t 变换的红外图像与可