大学毕业论文-—基于多分辨率分析和混沌pso的图像增强技术.doc

《大学毕业论文-—基于多分辨率分析和混沌pso的图像增强技术.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、编号南京航空航天大学毕业论文题目基于多分辨率分析和混沌PSO的图像增强技术南京航空航天大学本科毕业设计（论文）诚信承诺书本人郑重声明：所呈交的毕业设计（论文）（题目：基于多分辨率分析和混沌PSO的图像增强技术）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。作者签名：年月日（学号）：毕业设计（论文）报告纸基于多分辨率分析和混沌PSO的图像增强技术摘要图像增强的目的是为了改善图像的视觉效果，提高图像的对比度、清晰度，将图像中感兴趣的特征有选

2、择地突出。本文首先研究了现有的增强算法，传统增强算法无法增强细节信息，而且不能抑制噪声。且传统算法中的参数是由经验所得，不能对不同图像自适应增强。为此，本文针对红外热波图像、火焰图像、数字全息图像的各自特点，提出了基于Contourlet变换和混沌粒子群优化的图像自适应增强算法。首先对图像进行Contourlet变换，然后调整低通子带和带通方向子带系数。对于低通子带采用空间域算法，待定参数由混沌粒子群算法寻优，适应度函数兼顾了峰值信噪比、对比度、清晰度、信息熵四个指标。对于带通方向子带，采用自适应阈值去噪，并对代表细节的系数进行增强。实验中对大量图像进行了增强处

3、理，实验结果表明，与现有的三种增强算法相比，本文的方法能得到更好的视觉效果，并且对所有同类图像都有好的适应性。关键词：图像增强,Contourlet变换,空间域增强,频域增强,混沌粒子群优化本论文受以下基金项目资助：1.无损检测技术教育部重点实验室（南昌航空大学）开放基金重点项目：Contourlet和混沌PSO在红外热波无损检测图像处理中的应用(批准号：ZD2010290)2.煤燃烧国家重点实验室（华中科技大学）开放基金重点项目：基于复Contourlet、混沌粒子群和Krawtchouk矩的火焰图像处理与状态识别（批准号：FSKLCC1001）3.瞬态光学与

4、光子技术国家重点实验室开放基金重点项目：基于Contourlet的数字全息再现像方法研究（批准号：FSKLCC1001）-50-毕业设计（论文）报告纸ImageenhancementtechnologybasedonmultiresolutionanalysisandchaoticPSOalgorithmAbstractImageenhancementismeanttoimprovethevisualeffect,contrastandclarityofimage.Moreover,imageenhancementcanselectivelyhighlightt

5、heinterestingfeaturesofimage.Inthispaper,theexistingenhancementalgorithmsarestudiedfirstly.Itfindsoutthatthetraditionalenhancementalgorithmscan’tenhancethedetailinformationandsuppressthenoise.Inaddition,theparametersintraditionalalgorithmsareobtainedbyexperience.Therefore,differentim

6、agescan’tbeenhancedadaptively.Inthispaper,therespectivecharacteristicsofinfraredthermalwaveimage,flameimageanddigitalholographicimageareconsidered.AnadaptiveinfraredimageenhancementalgorithmbasedonContourlettransformandchaoticparticleswarmsoptimizationisproposedinthisarticle.Firstly,

7、Contourlettransformofinfraredimageisperformed.Thenthecoefficientsoflow-passsubbandandband-passdirectionalsubbandareadjusted.Forthelow-passsubband,Spatialdomainmethodsareintroduced.Theoptimalparametersaredeterminedbychaoticparticleswarmsoptimization.Thefitnessfunctiontakesintoaccountf

8、ourindexessu