西北工业大学
毕业设计（论文）开题报告
课题名称 _______图形图像增强___ 学 院(系) ______理学院_________ 专 业 ______信息与计算科学_ 学生姓名 _______张灵刚_________ 学 号 ___ 2009302748_________
__2013___年 ___3__ 月 ___9__ 日
一、毕业设计（论文）课题背景(含文献综述）
1.1 课题研究的目的和意义
图像作为自然界景物的客观反映，是人类感知世界的视觉基础，也是人类获取信息、表达信息和传递信息的重要手段。据统计，人类获得的信息大约75%是以图像的形式，通过视觉系统获得的。图像时人类重要的信息源，“百闻不如一见”、“眼见为实”即时图像对于人类重要性的简明概括。
图像是物体透射或反射的光信息，通过人的视觉系统接受后，在大脑中形成的印象或认识，是自然景物的客观反映。一般来说，凡是能为人类视觉系统所感知的有形信息，或人们心目中的有形想象都统称为图像。图像作为一种有效的信息载体，是人类获取和交换信息的主要来源。实践表明，人类感知的外界信息，80%以上是通过视觉得到的。然而，在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。所谓图像处理，就是通过某些数算对图像信息进行加工和处理，以满足人的视觉心理和实际应用需求。图像增强是图像处理的一个重要环节，在整个图像处理过程中起着承前启后的重要作用。
随着图像处理设备性能的不断提高以及图像数字化和图像显示设备的普及化和低价化，人们对图像质量的要求越来越高。而图像质量的含义包括两个方面的内容，即图像的保真度（Fidelity）和理解度（Intelligibility）。保真度是指被评价图像与标准图像的偏离程度，两者属于同一个映像，只是由于传输和处理等原因造成了偏差，因此保真度往往指的是图像细节方面的差异。理解度表示图像能向人或机器提供信息的能力，其中主要包括清晰度和美感等，因此，理解度通常指的是图像整体和细节的总体概念。
图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用
图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。
我们此次所作的课题是希望找到一个更加准确的图象增强模型，并且通过此次课题的研究对比增强前后图像的不同，并对结果作出分析。 1.2 课题的研究现状
图像处理技术始于20世纪60年代，由于当时图像存储成本高，处理设备造价高，因而其应用面很窄。19年美国加州理工学院的喷气推进实验室，首次对徘徊者7号太空飞船发回的月球照片进行了处理，得到了前所未有的清晰图像，这标志着图像处理技术开始得到实际应用。70年代进入发展期，出现了CT和卫星遥感图像，对图像处理的发展起到了很好的促进作用。80年代进入普及期，此时微机己经能承担起图形图像处理的任务。VLSI的出现更使得处理速度大大提高，其造价也进一步降低，极大的促进了图像处理系统的普及和应用。90年代是图像处理技术实用化时期，图像处理的信息量巨大，对处理的速度要求极高。21世纪的图像处理技术要向高质量化方面发展，实现图像的实时处理，采用数字全息技术使图像包含最为完整和丰富的信息，实现图像的智能生成、处理、理解和识别。
图像增强是图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用，比原始图像更适合，处理的结果使图像更适合于人的视觉特性或机器的识别系统。
图像增强可归纳为两方面:(1)消除噪声;(2)边缘增强和结构信息的保护。 图像增强的过程往往也是一个矛盾的过程:图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程
度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如:ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。
目前，许多新的增强算法都充分利用了周围邻域这一重要的信息，形成了很多局部处理的灰度调整算法，该方法主要利用了邻域的统计特性。自适应增强的研究主要集中在以下三大类增强算法:
1.既能平滑又能保护边缘的自适应滤波器。自适应滤波的基本思想是滤波器数可根据像素所在的邻域情况而自适应选取，也可描述为加权平均滤波器。
(1)在提高算法的抗噪性能方面，当今存在几种方法。这些方法可以较好的平滑噪声区域，并能保护较显著的边缘，但对图像细节的保护较差。
(2)在提高算法的细节保护能力方面，saint-Marc利用梯度来决定权值，建立了指数形式的权函数，较好的保护了图像细节。但该算法对脉冲噪声敏感，而且模型的性能受参数的影响比较大。另外，参考文献还提出了各向异性扩散思想的改进方法，需要求解热传导方程。这些改进算法多数集中在权值的自适应选取上，但是由于自适应调整的参数较少，仍然不能很好的解决细节保护的问题。
2.基于图像建模和估计理论的增强算法。这类算法的基本思想是提出一个图像的模型，如果这个模型的参数由一种估计方法估计出来，则窗口中心的灰度值可由估计出来的参数计算得到。最简单的例子就是中值滤波器，对脉冲型噪声有很好的效果。但是，这类算法由于是以估计理论为基础，所以所采用的估计方法的鲁棒性对算法的性能有很大的影响。估计方法趋于复杂，使得算法本身也就较复杂。
3.基于模糊集合论的增强算法.近年来，模糊集合理论在图像处理中得到了广泛的应用。采用模糊规则改进传统的中值滤波器中滤波窗口尺度的选择，改善了算法对高斯噪声的抗噪性能。自适应模糊滤波算子可以较好的保护图像细节和滤除高斯噪声，其算法中窗口的大小由邻域一致性程度决定，该一致性程度由一个模糊逻辑规则导出。算法不足是对脉冲噪声的滤除效果较差。
另外，还有其他的一些增强的方法。例如为了充分考虑细节问题，在直方图均衡中引入了局部直方图均衡法;近年来，数学形态等方法也都应用到图像增强中;需要说明的是，在图像增强中变换域增强也得到很广泛的应用，例如付傅氏变换、离散余弦变换、小波变换等，其中小波是近年来发展起来的一种新的时频分析工具，它具有时频局部化能力和多分辨率分析的能力，使得它很适合于信号处理领域。对图像进行多尺度小波变换后，不同频率的信号出现在不同尺度的子带图像上，有了这些特性就能很好的对感兴趣的部分进行增强。图像变换的方法是多种多样的，例如近年来，有的学者提出Curvelet变换也受到的关注。
总之，图像增强的方法是多种多样的，其中很多方法都是几种方法交织结合在一起的，针对特定的问题，需要设计与之相应的算法。
二、毕业设计（论文）方案介绍（主要内容）
本课题需要重点研究的关键问题、解决的思路及实现预期目标的可行性分析
关键问题：(关键问题指怎样增强的方法以及增强的难点问题)
图像增强目前还缺乏统一的理论，这与没有衡量图像增强质量通用的、客观的标准有关。增强的方法往往具有针对性，增强的结果只有靠主观感觉加以评价。因此图像增强的方法只能有选择的使用。
我们采用当今较为成熟的一些算法，比如tvd-runge-kutta方法，投影梯度算法等，而我们这次课题是为了尝试找出一些较为快速的解决图象增强问题的模型。 解决思路：
1.利用tvd-runge-kutta方法和投影梯度方法对图像进行修复增强，并作出结果分析；
2.尝试建立准确的模型，并尝试采用weno5差分格式与的bregman迭代方法进行模型的图像增强。 实现预期目标的可行性：
1.此次课题采用了当今成熟的方法理论，为此课题研究的结果有一定的理论基础。
2.通过使用基于的bregman迭代方法，对原有的TV模型迭代进行加速，有
望取得较好的效果，可以克服难以计算的缺点。
三、毕业设计（论文）的主要参考文献
[1] Gilles Aubert, Pierre Kornprobst. Mathematical Problems in Image Processing:Partial Differential Equations and the Calculus of Variations(Second Edition). Springer Science Business, 2009
[2] Wenye Ma, Stanley Osher. A TV Bregman iterative model of Retinex theory. Inverse Problems and Imaging 6(4): 697-708
四、审核意见
指导教师审核意见：（针对选题的价值及可行性作出具体评价） 本课题选题来自于本人正在进行中的基础研究基金项目-基于BTV与Sobolev空间理论的图像修复理论研究，对于图像处理中的数学模型及其求解方法进行新的探索。由于在Bregman算法与TVD Runge-Kutta方法方面有着一定的积累，课题完成是没有问题的。 指导教师签名 年 月 日 专业审核意见： 负责人签名 年 月 日
