基于小波分析算法的红外图像降噪仿真实现(3)
综上，由于影响红外辐射的因素都是随机不可预测的，目标物体的红外辐射过程非常复杂。总的来说，影响因素有目标物体吸收率和发射率ε、大气的闪烁效应与选择吸收性、入射到目标物体表面的辐射、物体运动的速度、电子元器件的噪声、表面涂料、气候情况和隔热措施。
实际情况中，红外图像的信息模型一般有一下几种情况：
1) 用图像二值化的方法来处理红外图像。这是最简单的方法，一般用于被测目标与环境之间温差较大的情况，得到的红外图像色差两极化明显；
2) 很多时候物体一部分比环境温度低，另一部分比环境温度高，还有部分与环境温度相近。实际情况中1中建立的模型过于理想，往往很难实现；
3) 气候条件、云层、大气的吸收、陆地的反射、大气闪烁等影响因素，也会使目标红外图像发生畸变；
4) 在一帧红外图像中，如果有多个目标，目标直接会发生严重的交叉重叠现象；
5) 视角的变化以及距离、方向的改变，会使目标红外图像发生伸缩变化，在局部会表现出结构特征的再生与融合。
由于模型本身复杂多样，红外目标识别观测样本空间的文度是无限的[3]。红外干扰方法和红外抑制技术逐渐成熟，也会使红外识别变得越来越困难，因此需要新的理论和技术来不断适应人们的需求。
图像预处理是初级的处理阶段，包括噪声滤除、边缘检测、图像增强，处理后图像的质量直接决定着目标特性的有效性，所以在预处理阶段，应具备在复杂环境条件下（如低对比度、低信噪比、场景变换等），对目标进行有效检测和分割的能力[3]。传统的图像处理方法已经很难达到人们的要求，寻求一种新方法显得更加迫切。为了更加适应人类视觉对图像的适应性，经过前面的介绍，自从1946年Gabor函数问世以来，小波变换开始逐渐成为现阶段最为理想的工具。基于上文介绍过的小波的特点，小波变换是可以作为红外图像处理工具的。
1．4 本论文研究工作
本文运用小波分析理论，针对红外图像处理，对小波在降低图像噪声中的原理及方法进行深入研究。并用MATLAB进行仿真实现，重在熟悉小波分析理论，图像噪声理论以及MATLAB数字图像处理技术，并学会运用小波分析工具进行红外图像降噪处理。
第一章，简单介绍论文的背景以及小波理论的研究现状等；
第二章，简单介绍小波分析算法的基本原理，以及小波去噪算法的步骤；
第三章，介绍红外图像去噪的基本常识；
第四章，简单介绍MATLAB软件，利用编程实现红外图像去噪的处理过程，得出算法的去噪结果图，给出部分源程序，并加以注释说明；
在总结中，首先会对运用小波分析对图像处理的结果做一个简单的评述，然后简单评价实验过程，提出不足之处。
2 小波分析的基本理论
小波分析理论保留了傅里叶变换在处理平稳信号时高效的优点，同时也克服了后者在面对非平稳信号时的局限性。小波分析理论是对时频两域局部化进行分析，并且用两域同时表征信号，这种特点让小波分析理论能很好的表征非平稳信号，这是一种质的飞越。
通过伸缩、平移等操作，小波变换能对信号进行多分辨分析，它也被人们称为“数学显微镜”。小波分析的快速算法是目前国际普遍认同的的前沿领域以及研究热点。如今，小波分析不仅用于处理数字信号，还被广泛用于量子场论、天体识别等理论研究，另外在机械故障诊断与监控、雷达等方面也有涉及。
上一篇：输电线路故障测距研究+文献综述