基于小波变换和直方图均衡的红外图像增强
基于红外图像低分辨率、低对比度、视觉特性差的特性，以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性，将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合，提出一种更好的实现红外图像增强的算法。激光与红外No.22013尹士畅等基于小波变换和直方图均衡的红外图像增强227度下的原因,手臂的温度和环温比较接近,从而使得得到的图像的对比度比较差,视觉效果不明显。如图2中为经过小波变换后提取出来的图像的低频成分,从中可以看出,该图像和原始图像的对比度差别不大,但是从视觉上来看,图片的连续性较好,噪声较少。图3是经过直方图均衡化处理的图像,经过直方图均衡化之后图像的整体的视觉效果变好了,图片中手表和手臂的对比度非常明显,甚至包括表图4本文增强算法带和手臂的也可以清楚地辨认出来。然而,经过直7结论方图均衡化之后,手臂左下角方向和右下角方向以针对直方图均衡化和小波变换在红外图像增强及手表中央的噪声也变得非常的大,相比较原始图存在的问题,本文所提出的改进算法,通过将两者的像而言信噪比变差了。图4则是将直方图均衡化和优势相结合,弥补单独算法的劣势,从而达到适当提小波变换算法相结合后增强的红外图像,相比较图高原始红外图像的对比度,增强了目标和背景的差3而言,对比度的变化不大,但是图像的很多噪声特异性并且保证红外图像的信噪比的效果。性得到了改善,尤其是手表中央和手臂的左右下角部分的噪声得到了明显改善,从而很好的验证了该参考文献:算法的可行性。[1 Lin Zhenxian Song Guoxiang, Xue Wen Comparison andimprovements of several methods wavelet image denoising[ J]. Journal of Xidian University, 2004, 31(4)625-629.( in Chinese)林椹尠,宋国乡,薛文.图像的几种小波去噪方法的比较和改进[J].西安电子科技大学学报,2004,31(4):625-6292 Yu Tianhe, Hao Fuchun, Kang Weimin Summarization onthe infrared image enhancement technology [J]. Infrared图1原始红外图像and Laser Engineering, 2007, S2): 131-137.( in Chinese于天河,郝富春,康为民红外图像增强技术综述[J]红外与激光工程,2007,(S2):131-137[3 Xie Jiecheng, Zhang Dali, Xu Wenli. Wavelet Image De-noising vigorously [ J]. Journal of Image and Graphics2002,7(3):209-218.( in Chinese)谢杰成,张大力,徐文立小波图象去噪综述[J].中国图象图形学报,2002,7(3):209-218图2低频红外图像[4 Peng Zhou, Zhao Baojun. Nover scheme for infrared imageenhancement based on contourlet transform and fuzzy theory[J]. Laser& nfrared,2011,41(6):129-133.彭洲,赵保军.基于 Contourlet变换和模糊理论的红外图像增强算法[J].激光与红外,2011,41(6):129-133[5 Yong Yang, Wang Jingru, Zhang Qiheng. Enhancement oflow Contrast Image Contain Small Targ[ J]. Laser &Infrared,2005,35(5):373-377.( in Chinese)图3直方图均衡化雍杨,王敬儒,张启衡.弱小目标低对比度图像增强算228激光与红外第43卷法研究[J].激光与红外,205,35(5):373-377round[ J. Laser Infrared, 2003, 33(6): 109-114.[6 An Chengbin, Ren Hongliang, Nei Chuanhong, et al. Infraincsered Image Enhancement Technology for Staring Infrared温佩芝,史泽林,于海斌基于小波变换的复杂海面背Imager[ J]. Laser Infrared, 2003, 33(6): 32-33. (in景红外小目标检测[J]激光与红外,2003,33(6)nese109-114安成斌任宏亮,传虹,等凝视焦平面热像仪的红[11]孙延奎小波分析及其应用M].北京:机械工业出版外图像增强技术[J].激光与红外,203,33(6):社,2005[12] Turghunjan, et al. a technique of image enhancement[7]宋芳莉图像边缘检测中的方法研究[D].西安:西北based on the dyadic wavelet transform[ J]. Joumal of Xin-大学,2002jiang Normal University Natural Science Edition, 2006[8 Luo Jiebo, Chen Changwen, Parker K J Image enhancement25(4):6-13for low bit rate wavelet-based compression[ J]. IEEE Inter吐尔洪江,等.基于二进小波变换的图像增强技术national Symposium on Circuits and Systems, 1997: 6-20[J].新疆师范大学学报:自然科学版,2006,25(4)[9 Ji Shupeng, Ding Xiaoqing. Study on image enhancing fusion algorithm of visible and infrared image[J]. Laser [13]S Mallat. a Wavelet Tour of Signal Processing[ M].PittsInfrared, 2002, 31(6): 518-521.( in Chinese): Academic Press, 1999.吉书鹏,丁晓青.可见光与红外图像增强融合算法矸4]张德丰 MATLAB小波分析[M].机械工业出版社究[J激光与红外,2002,31(6):518-5212009[10] Wen peizhi, Shi Zhelin, Yu haibin. Wavelet transform-[15]葛哲学,沙威.小波分析理论与 MATLAB R007实现based Detection for Small IR Target in Complex Sea Back-[M].北京:电子工业出版社,2007
- 2020-12-03下载
- 积分：1
模式识别——基于ID3算法的三次改进
ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比
- 2020-12-07下载
- 积分：1
|
联系客服（QQ：3324461878）
