随着军事和工业上的发展需要,低对比度数字图像的增强越来越成为数字图像处理中的一个重要领域,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,这也是最为流行的增强方法,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,本文介绍的是基于小波神经网络的频域增强法。该方法利用了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,分离出了反映图像轮廓和细节的信息。对变换后的小波系数进行增强处理,突出反映图像轮廓的小波系数,弱化反映图像细节的小波系数,然后对小波系数进行反变换,得到增强的图像。这当中涉及到两个问题,一个是小波函数的选取。用不同的小波函数对图像进行处理,变换后所得的小波系数有较大的区别。当然其中反映图像轮廓的信息也会大不相同,因此在众多小波函数中选择最适合本对图像进行增强处理的小波函数对整个系统的效果起着决定性的影响。我们根据工程上的经验,以及实验的结果,经过反复比较,最后选择了Db44小波。另一个问题是,小波系数增强倍数的选取。如何更佳地优化反映图像轮廓的小波系数,是我们参数选择的目的。在这个问题上我们引入了人工神经网络,利用BP神经网络对增强参数进行学习选择,得到最优值。神经网络具有自学习的特点,克服了我们对参数选择的盲目性,这使得整个增强系统具有一定的自适应性。最后我们将得到增强的图像进行边缘检测。图像沿边缘走向,像素值变化比较平缓;而垂直与边缘走向,则像素值变化比较剧烈。目前有多种图像增强算子,我们通过比较几种不同的边缘检测算子处理的结果,选出最优的一组,最终将目标提取出来。