5.2.6 贝叶斯自适应阈值小波变换重建    32
结  论 .  34
致  谢 .  36
参 考 文 献  .  37
 1 引言
1.1 研究的发展情况和研究现状
随着数字技术的发展，数字图像在人类的生活中开始扮演越来越重要的角色，例
如卫星电视、X 射线透视仪、天文观测、地理信息系统的开发等领域都要用到数字图
像。但是所采集到的常常是被污染过的数字图像。在图像的获取、传输以及保存过程
中均会有污染源存在：原始图像在大气中传播时受到大气湍流的影响、感光元件在感
光过程中产生的噪声以及在采集过程中由于被摄景物与感光元件的相对运动而产生
的动态模糊等等。由这些因素引起的质量下降叫做图像退化[1]
。图像退化的典型表现
是图像出现模糊、失真和附加噪声等，从而导致接收到的图像效果变差。为此必须对
图像退化的过程进行重建才能得到真实的原始图像。
图像的重建过程是图像处理领域的一个热门问题。目前，国内在这方面的研究还
不太成熟，而国外的研究已经取得了一定的研究成果。早期的图像重建过程是利用光
学的方法对失真的图像进行校正，而在数字技术引入图像处理领域之后，最早被用于
天文观测图像的后期处理[2]
。后逐渐向各个领域扩展。
目前国内外图像复原技术的研究和应用主要集中于诸如空间探索、天文观测、物
质研究、遥感遥测、军事科学、生物科学、医学影像、交通监控、刑事侦察等领域。
如生物方面，主要是用于生物活体细胞内部组织的三文再现和重构，通过复原荧光显
微镜所采集的细胞内部逐层切片图，来重现细胞内部构成；医学方面，如对肿瘤周围
组织进行显微观察，以获取肿瘤安全切缘与癌肿原发部位之间关系的定量数据；天文
方面，如采用盲去卷积进行气动光学效应图像复原研究等[2][3]。
1.2 课题研究的背景和意义
将图像重建算法应用于夜视图像可以有效改善夜视系统在低照度情况下采集图
像的质量。夜视图像是在夜晚光照条件很差，照度不足的情况下形成测图像，这种图
像中有用信息和噪声混合在一起，使得图像特征不明显，需要将剔除噪声和相应的污
染以提高图像质量。 而现代很多监控场合都需要在夜间低照度的条件下采集图像以及
相关信息，对这些图像的处理成为了解决问题的关键。因此，对于夜视条件下的图像重建过程进行研究不仅具有重要理论意义，而且具有实际应用价值。
1.3 论文结构和主要研究内容
本文共有五个章节：第一章为引言，主要介绍了图像重建算法的发展情况。第二
章详细介绍了电子倍增 CCD 的结构和工作原理，同时对其产生的噪声建立数学模型。
第三章是本文的=核心内容，详细阐述了图像重建的概念并重点从图像去模糊和图像
去噪两个方面介绍了相应的图像重建算法：逆卷积算法、中值滤波算法、软、硬阈值
小波降噪、自适应阈值小波降噪以及小波包降噪等等。第四章介绍了两种客观的图像
质量评价算法——峰值信噪比（PSNR）和结构相似度评价算法（SSIM）并对两者的优
劣和应用做出了一定的对比。第五章在 MATLAB 环境下对以上各章提及的算法进行了
仿真，并利用图像质量评价算法对仿真图像给出相应的评价。在此之后，是全文所涉
及到研究内容的总结和展望。
2 电子倍增 CCD 介绍
电荷耦合器件（Charge-Coupled Device，CCD）是一种半导体器件，能够把接收 基于电子倍增CCD的夜视图像重建算法(2):http://www.751com.cn/jisuanji/lunwen_8458.html