第一章绪论
1.1论文研究背景
图像处理技术在理论上具有很强的研究性，它是以数学理论为基础，如线性代数、数理统计、物理学等许多学科。但图像处理技术最终的目地是与实际应用紧密相联系的。图像处理算法中包括许多变换和方法，如传统的比较有效的直方图处理方法，以及基于视频特性的小波变换等方法都已经得到了广泛的传播。对于广泛使用的数字图像处理，则可以根据不同的需要不同的方法进行修改，比如提高图像的质量有利于观察，或是从图像中提取所需要的信息突出感兴趣的部位，还可以对图像进行拉伸变换等操作。因此数字图像处理的发展研究是十分重要的[2]，其在各个领域中也有着至关重要的影响。图像增强作为图像技术中的分支之一，在研究领域中也是具有一定的历史性的。一般的图像在观察时可能由于客观条件的限制等原因造成图像质量的下降这时图像增强技术就可显得尤为重要了。一般图像经过传输转换，或者复制、扫描、和显示等原因，图像的质量可能在操作过程中会随之而下降。或者由于一些客观存在的原因如空气运动、大气污染等都会对图像的质量造成影响有时还会对图像可能会产生不同程度的噪声从而不利于观察与研究。因此，对于图像质量造成的种种问题都会给观察带来影响。所谓的图像增强，就是根据用户所需要的信息，对其进行突出，与此同时减弱不需要的特征，从而提高图像的对比度。对于不同的变换处理，所需要的映射函数不同，最后可能会有不一样的结果。对有些图像中夹杂的一些噪声，此时要将噪声去除，就要选取适当的阈值参数，使增强后得到的效果更为明显。
…………
1.2研究目的和方法
图像是很清晰的来源，获得清晰的图像是有必要的。正如俗话所说的“百闻不如一见”、“一目了然”，清晰的图像可以提供给我们许多信息，但即使用摄像机拍摄出来的图像，有时也不见得一定很清晰，因此使用图像增强可以使图像更好看、更清晰。近年来图像技术发展也越来越迅速，图像增强技术也是不断的日益创新。其主要是将我们所需要的目标特征进行放大，细节的对比度更加明显的同时对图像中夹杂的噪声减弱，这样可以使得增强后的图像变得更加有用，在分析中更加适合于人们的研究。图像增强技术如今在各个领域都得到了广泛的引用，涉及到的领域也非常的广泛。例如对于医学图像，通过增强对病理可以进行有效的分析和判断，但是由于医学图像在成像过程中有其独特的成像原理和特征，其中高频噪声部分影像比较明显，医生在观察中产生了不利的影像。因此此种课题的研究是有必要而且也很有意义的。在研究消噪的过程当中，在研究的过程中发现选择合适的参数找到准确的边缘特性也是是图像增强技术中应该所应该解决的问题。因此研究者们经过理论的研究，提出了多尺度变换分解的理论。此时基于多尺度的理论，图像增强关键就是对图像进行多尺度几何分解，获得图像的高频和低频子带图像，然后对图像的细节部分进行增强处理，突出图像的细节成分，对于图像的低频部分能够进行对比度增强使得增强后的图像各高频子带系数以及低频子带系数分布具有一定的分布特征，经图像多尺度的逆变换可以得到增强后的图像[3]。
…………
第二章传统图像增强方法
2.1引言
随着信息时代的到来，图像处理在人们的生产生活当中占据着举足轻重的影响。其中图像技术处理的方法也是不同的，但是根据前后处理过的效果考虑，方法的选择也是极为重要的。因此在图像效果的研究过程中，增强操作显得尤为重要。图像增强技术应用的领域范围很广。比如医学图像或遥感领域，为了提高识别能力可以对输入的源图像或射线进行重新组合得到增强后的图像。在研究中发现图像增强技术可以从两个方面进行考虑：第一是基于实用性的效果，用于改善视觉；第二类是根据用户的需要，突出感兴趣图像的特征，便于人们的分析以及利用。图像增强的方法多种多样，一般对于传统图像增强，其方法可以分为：基于空域变换和频域变换的两种增强方法。简单的说空域法是对空间中的每一个像素进行灰度映射变换，是以映射函数为基础的，根据增强的目的不同选择不同的映射函数。比如想要提高图像的对比度、明亮度等。频域处理法则是针对系数而言，通过一定的映射函数改变系数，然后进行反变换得到处理后的结果。其中此种方法是以卷积定理为基础，从而达到图像增强的目的。比如对图像的低频系数可以进行线性操作，对高频部分可以进行去噪增强等。以下的章节中介绍了许多增强的方法。其中直方图均衡化的方法更加明显，它是一种空域增强的方法。对于频域增强，其常用的方法则有低通滤波、高通滤波等，它是一种相对间接的处理法，一般是对图像进行傅立叶变换后，通过某种操作将得到的结果反变换，从而有利的提升了感兴趣的部分[4]。
…………
2.2灰度变换
图像处理技术中最基础、最直接的空间域处理方法就是灰度变换。它是图像显示软件和图像数字化软件的一个重要组成部分，可调整图像的动态范围或图像对比度，从而使图像更为清晰、特征明显。灰度变换的实现可以是线性的也可以是非线性的。线性灰度变换就是根据线性变换的函数，对图像中每一个像素点进行变换操作15]。对于一般的图像，可能由于某些客观的原因造成图像视觉效果不好，如灯光、噪声等因素，使得图像比较模糊看不清楚，从而不能很好的对图像作出评估和判断，因此失去了准确性和可信度。所以采用线性变换函数将图像进行线性拉伸，可以快速有效的提高图像的对比度。分段线性变换是将图像分为两个或者多个灰度区间，然后对每一个区间分别做不同的线性变换。与线性变换不同的是，除了对细节进行拉伸突出感兴趣的部分外，它还可以有选择的改变参数，通过自适应的选择参数的大小，可以得到不同的增强效果。所以分段线性变换比单一的线性变换方法给为优越。因此，分段线性变换是非常灵活的[6]。
………
第三章基于多尺度几何分析......... 19
3.1小波变换的理论基础........19
3.1.1经典的傅立叶变换........ 19
3.1.2短时傅立叶变换(STFT)........ 21
3.2.小波变换基本理论 ........22
3.3 CONTOURLET 变换理论........ 31
3.4本章小结 ........38
第四章医学图像增强算法........ 39
4.1基于小波变换的图像增强算法........ 39
4.1.1小波变换的增强研究........39
4.1.2基于小波变换增强算法........ 40
4.1.3图像增强实验与分析 ........44
4.2基于Contourlet变换图像增强算法........ 46
4.2.1 Contourlet变换的增强研究 ........46
4.2.2基于Contourlet变换图像增强算法........ 47
4.2.3实验结果与分析........ 51
4.3本章小结........ 53
第五章总结与展望........ 55
第四章医学图像增强算法
随着科技的快速发展，人们对图像的观察要求也越来越高，为了提高图像的视觉效果，人们在研究领域中也提出了各种各样增强图像的方法。目前图像增强技术已处于领先水平，并且在各领域中都得到了极为广泛的应用。在获得图像的过程中可能由于传输、存储等错误的操作造成图像的质量会得到下降，但是如今都可以通过一定图像处理的方法，使被测对象更加全面的、准确的特性被表达出来，从而有利于、清晰的认识与理解，因此图像增强技术显得尤为重要。许多图像与人类是密切相关的。医学图像中病变的研究与观察对人类的诊断是极为重要的。如今许多医学技术如CT、X射线等图像都是需要医生进行观察然后确定病症的，所以先进的医学图像处理技术能够更加准确的确定病情。但是往往由于在图像形成的过程中，可能会加有噪声等因素的影响会使得图像更为模糊，对比度表较低，不利于医生的诊断，因此对医学图像进行增强处理以及增强算法的研究有着重要的意义[26_28]。本章首先在理论的基础上介绍了增强算法的背景以及其分类，包括空间域图像和频率域两种形式的增强方法。然后以多尺度处理的方法为理论基础，对医学图像处理分别采用了小波变换以及Contourlet变换增强算法，并对两种算法做了较为深入的研究。
……………
结论
本文的研究主要是在图像增强的基调上进行的，前面所提到的传统变换是作为基础理论，多尺度的变换作为增强算法的研究是及其重要的。其中以小波变换、Contourlet变换为主要依托，提出了基于两种变换的增强算法。其中Contourlet变换，它是多尺度几何分析中的一种较为优秀的算法。它是一种基于拉普拉斯变换的分解和方向滤波器的结合所进行的多尺度几何分析工具，能够对不连续的信号特征进行获得研究，并且可以很好的对其分析进行重构。Contourlet变换是一种多方向、多分辨率的快速变换，它比小波变换更加的优越。它的多方向性能在一定程度上更能突显出图像的细节部分，其应用更加实用并且效果更好。与此同时，Contourlet变换具有比Curvelet变换少得多的冗余度。然而对于Contourlet变换，其数学基础还有待进一步完善，本文只是着重针对Contourlet变换进行了一些探讨、研究和改进，但是其理论分析中存在着大量的运算，因此效率不够高，所以在以后的研究中我们可以在前面的基础上减少运算量，从而达到更加简便。
……………
参考文献（略）