文献综述
- 引言
通过阅读大量文献资料，本文总结了图像处理，特别是红外图像处理的原理和方法，并且对几种基于小波变换的图像处理技术进行了综述。
- 正文
- 数字图像处理技术现状
数字图像处理是利用计算机处理离散化的数字图像，它包括输入和输出均是图像的处理，也包括从图像中提取特征及识别特定目标的处理[1]，而毕业设计课题的要求主要是针对于前者。
图像处理主要包括图像获取、图像增强、图像复原、彩色图像处理、图像压缩、形态学处理、图像分割、表示与描述、图像识别。目前图像增强是最主要的研究领域，与图像复原不同，图像增强是主观的，它是为了突出目标削弱背景，便于后续的识别或处理。值得一提的是，目标分为成像目标（面目标），点目标以及微弱目标（弱小目标）[2]，显然，处理不同的目标所运用的手段是不同的，由于红外图像的特性，对于小目标及微弱目标的识别探测难度相对较大，也是相关领域研究重点。
- 红外图像增强技术
通过对红外图像成像机理的分析可以总结出红外图像的特点：1）空间相关性强、对比度低、视觉效果模糊；2）是灰度图像，分辨率低；3）清晰度低于可见光图像；4）信噪比低；5）非均匀性（噪声、串扰、畸变）[3]。其中非均匀性对图像质量影响严重，而且会在锐化中被加强，所以在锐化前进行非均匀性校正。目前较为成熟的方法是基于探测元的两点及多点定标，而基于场景的非均匀性校正不需要红外参照源，具有自适应校正的优点[4]，是比较好的算法，但目前各个算法都有其优点与缺陷，并没有适应性很强的算法，所以应按照实际情况选择合适的算法。
红外图像的数学模型可以概括为目标 背景 噪声，所以去噪是图像增强的一个重要方面。红外图像的噪声主要有1）热噪声； 2）散粒噪声；3）产生-复合噪声； 4）光子噪声；5）1/f噪声[5]。前四种噪声可以认为是服从高斯分布，而第五种噪声出现在列阵器件的线扫系统，现在一般用凝视系统所以不考虑。
对于红外增强技术，一个重要的目的是为了对目标进行识别。一般来说识别的步骤是先对图像进行单帧预处理，再利用多帧图像进行检测识别，大多数文献所讨论的是单帧的图像增强。
图像增强技术可以分为1）传统灰度增强方法；2）多尺度分析（以小波变换为代表）；3）数学形态学；4）模糊增强[6]。其中传统灰度增强包括空域和频域的增强，由于实时性的要求，空域增强的研究更普遍。
空域增强中最经典的理论之一就是基于直方图的图像增强，由最普通的直方图均衡化衍生出了许多理论，如为了改进由于目标灰度值被过度合而细节变差的自适应直方图均衡化[7]；平台直方图均衡化也是一个重要的改进理论，而此方法又相应地有许多改进的理论。首先是文献[8]在软件和硬件上实现了平台直方图均衡化，随后文献[9]对其提出了一种改进，它通过对统计直方图设置上限平台,对图像中占有大量像素的背景进行适度的抑制,给目标细节的提升留出了空间，但有平台值的确定比较困难的问题。文献[10]提出了设置固定的平台闭值对图像的背景和噪声进行适度的抑制,然后再对直方图进行双向均衡处理的方法。但这种方法存在大量灰度级被合并、目标和细节丢失或者模糊等现象。文献[11]提出了设置固定的上下限双平台阂值对图像的背景和噪声进行适度的抑制,对细节进行适度放大,然后再对直方图进行双向均衡处理的方法。这种方法虽然保留了细节、避免了灰度级的合并,但是仍然存在选取的阈值固定、阈值不能自适应的问题。还有一些特殊的基于直方图的增强方法，如文献[12]提到的加权直方图，这是一种结合频率特性的空域处理算法。
- 基于小波变换的图像处理技术
关于多分辨率分析和小波变换的背景知识，如图像金字塔、子带编码、哈尔变换等理论，文献[1]作了详细的介绍。不同于傅里叶分析，小波分析是一种局部化时频分析，它用时域和频域的联合表示信号特征。利用文献[1]介绍的小波变换的核心算法——Mallat算法（也称快速小波变换（FWT）），可以对图像进行分析和重构。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
