低對比度暗圖像的正則化動態(tài)隨機共振增強方法.doc

1、低比照度暗圖像的正那么化動態(tài)隨機共振增強方法在諸如夜視監(jiān)控、低劑量X射線成像等實際應(yīng)用里，受到成像硬件以及成像 環(huán)境影響 , 我們所能得到的圖像通常是具有低比照度的低亮度圖像 , 這給后續(xù)的 目標識別及醫(yī)學診斷帶來了極大的困難 , 因此對于低比照度暗圖像的增強在平安 監(jiān)控、醫(yī)學成像等領(lǐng)域具有迫切的需求。 低比照度暗圖像往往不可防止地帶有噪 聲, 而常用的圖像增強方法在增強圖像亮度和比照度的同時, 也能將噪聲放大 , 導致增強后的圖像具有高水平噪聲 , 嚴重影響圖像質(zhì)量。由于在噪聲水平較高的情況下 , 現(xiàn)有的許多圖像去噪方法在除去噪聲的同時 也會喪失大量的圖像細節(jié)信息 , 因此在圖像增強之后再進

2、行圖像去噪的兩階段方 法很難在圖像亮度和比照度增強、 噪聲抑制及圖像細節(jié)保持方面同時取得較好的 效果。動態(tài)隨機共振是一種比較特殊的弱信號增強方法 , 這種方法利用噪聲引起 的信號共振來實現(xiàn)弱信號的增強 , 因此在這種方法中適當?shù)脑肼暿怯欣?, 而且 是必須的。目前 , 該方法在低比照度暗圖像的增強方面也取得了成功應(yīng)用 , 但增強后的 圖像也帶有較強的噪聲 , 顯然噪聲在動態(tài)隨機共振圖像增強過程中具有 “雙刃劍 的作用。在本文中 , 我們考慮將去噪方法融入到動態(tài)隨機共振圖像增強過程中 , 在圖像增強的過程中進行逐步去噪 , 這在一方面可以利用噪聲來激發(fā)對于圖像亮 度和比照度的增強作用 , 但另

3、一方面也在圖像增強過程中逐步去噪 , 使得圖像在 增強后帶有的噪聲水平非常低 , 從而得到較好的視覺效果。本文的主要研究內(nèi)容及創(chuàng)新點如下 :(1) 提出了基于偏微分方程的正那么化動 態(tài)隨機共振圖像增強方法經(jīng)典的動態(tài)隨機共振圖像增強方法的數(shù)學模型是用隨 機共振微分方程來刻畫的。 以 Perona-Malik 方程為代表 , 基于偏微分方程的圖像去噪方法給我們帶來了圖形增強的啟發(fā) , 我們將用于圖像去噪的偏微分方程模型 中的圖像擴散濾波項引入到隨機共振方程中 , 從而得到新的具有濾波正那么項的隨 機共振方程來對暗圖像進行增強。在本文中我們考慮了兩種基于偏微分方程的正那么化隨機共振圖像增強方法。 一

4、種是直接將 Perona-Malik 方程中的各向異性擴散濾波項引入到隨機共振微分 方程中, 另一種是考慮到 Perona-Malik 方程的擴散濾波項通常容易引起階梯效 應(yīng),從而引入了四階各向異性擴散濾波項 , 得到高階的正那么化隨機共振微分方程 模型。數(shù)值實驗說明 ,本文方法由于引入了擴散濾波項 , 較好地抑制了增強后圖像 中的噪聲,使得增強后的圖像具有較好的視覺效果。 (2) 提出了基于全變差的變分 動態(tài)隨機共振圖像增強方法及其拓展方法在圖像去噪領(lǐng)域中 , 相對于基于偏微分 方程的模型而言 , 變分正那么化方法由于能夠更加直觀方便地融入圖像的先驗信息 而受到更多的關(guān)注。在本文中我們將傳統(tǒng)

5、的以偏微分方程形式呈現(xiàn)的隨機共振方程改寫為變分 極小化形式 , 然后在變分框架下融入對于圖像先驗建模的正那么項 , 從而提出正那么 化變分隨機共振圖像增強方法。我們首先考慮引入全變差正那么化項 , 得到基于全 變差的變分動態(tài)隨機共振圖像增強模型 , 并從理論上證明了該模型的解的存在唯 一性。隨后,我們對全變差正那么化模型進行了拓展 , 將全變差正那么項替換為通用正 那么項形式 ,并提出了基于交替方向乘子法的交替迭代算法。 在該迭代算法中 , 其中 有一個子優(yōu)化問題是傳統(tǒng)的正那么化高斯去噪模型 , 我們進一步將該去噪優(yōu)化問題 替換為一般的高斯去噪方法 , 得到一種即插即用的圖像增強迭代算法這里的

6、高斯去噪方法可以通過即插即用方式選取不同的現(xiàn)有高斯去噪方法 包括全變差正那么化去噪方法、非局部全變差正那么化去噪方法 ,廣義全變差 (TGV) 正那么化去噪方法，以及并沒有顯式先驗正那么項的 BM3D圖像去噪方法等。數(shù)值實驗 說明, 本文提出的方法不僅能夠增強圖像亮度 , 還可以有效地抑制圖像的噪聲 , 特 別是當去噪方法采用BM3D方法時，對于圖像的細節(jié)信息保持也是比較好的。(3)提出了有利于圖像比照度增強的基于 Weberized TV的變分動態(tài)隨機共振 圖像增強及其拓展通過對基于全變差的變分隨機共振圖像增強的理論分析 , 我們 發(fā)現(xiàn)該方法并不利于圖像比照度的增強。針對這個問題 , 我們引入了有利于圖像 比照度增強的 Weberized TV 正那么項, 提出了新的基于 Weberized TV 的變分動態(tài) 隨機共振圖像增強模型 , 并從理論上證明了模型具有唯一解。隨后, 我們也將該模型進行了拓展 , 也得到一個可嵌入任意高斯去噪算法的 交