低照度图像增强算法的研究

作     者：郑翔 

作者单位：华南理工大学 

学位级别：硕士

导师姓名：殷瑞祥

授予年度：2010年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：低照度 图像增强 小波神经网络 免疫遗传算法 

摘      要：为了改善夜间所拍摄图像的质量和视觉效果,需要对原始图像做增强处理。传统的增强方法分为频域法和空域法两大类,其中空域法的代表为直方图增强法,频域法中用的较多的是基于小波变换,傅立叶变换和离散余弦变换的增强方法。本文研究基于小波变换的频域增强法。 利用小波变换良好的局部特性,使得图像信号通过小波变换后在频域上得到足够的分解。小波变换对图像的能量进行了重新分配,生成的小波图像的大部分能量集中在图像的低频部分,即这部分小波系数比较大,而水平、垂直和对角线部分的能量则较少。对变换后的小波系数进行增强处理,然后对小波系数进行反变换,得到增强的图像。 本文研究了基于小波神经网络的图像增强算法,其基本模型是基于BP神经网络的小波图像增强模型。它的中心思想是调整权值使网络总误差最小,采用的是梯度搜索技术,以期使网络的实际输出值与期望输出值的误差均方值为最小。网络学习过程是一种误差边向后传播边修正权系数的过程。 本文在BP神经网络模型的基础上引入了基于欧式距离和精英交叉的免疫遗传算法(IGA),提出了基于免疫遗传算法的图像增强方法。IGA引入了多样保持和免疫记忆机制,提高了算法的全局搜索能力。实验证明：本文提出的IGA增强算法不管在收敛速率还是在稳定性方面,都比传统的BP神经网络增强算法有着明显的提高。 本文研究了系统中小波函数优化选取的方法,给出了具有参考价值的选取准则。为了防止引起增强后的图像的相位失真,选用具有线性相位特性的双正交(***)小波函数。考虑原始图像的标准差,标准差越大,高频成分就越多,频带就越宽,就需要更大长度的滤波器,而用于分解的滤波器其长度与系数Nd相关,用于重构的滤波器其长度与系数Nr相关,所以图像标准差越大,对应的小波函数系数Nr、Nd也会随之变大,实验结果也论证了上述分析。 本文还给出了最优的增强参数值。引入前面所描述的人工神经网络,利用BP神经网络对增强系数进行学习选择,取得最优值。神经网络具有自学习的特点,使得整个系统具有一定的自适应性,引入免疫遗传算法使学习速率得到进一步提高。