下载文档原格式
红外图像处理中的细节增强算法研究红外图像处理在军事、安防、医学等众多领域有着广泛的应用。
然而，由于红外图像拍摄环境的特殊性，常常存在图像质量较低、细节含量不足的问题。
因此，研究红外图像细节增强算法具有重要的理论意义和实际应用价值。
细节增强算法是一种通过改善图像中细节信息的可见性来提高图像质量的技术。
本文将对红外图像处理中常用的几种细节增强算法进行研究和分析，包括直方图均衡化、小波变换、局部对比度增强等。
直方图均衡化是一种简单且直观的细节增强算法。
它通过对图像的灰度级分布进行重新映射，使得图像中的细节信息更加丰富。
然而，直方图均衡化算法在增强图像细节的同时，也会对图像的全局对比度进行调整，可能导致图像过度亮度或过度暗度，影响图像的观感质量。
为了克服直方图均衡化算法的缺陷，研究者们提出了小波变换细节增强算法。
小波变换具有多尺度分析的特点，可以提取图像的不同倍频细节信息。
通过对图像进行小波分解，然后对低频和高频系数进行增强，可以使图像的细节信息得到更好的呈现。
在红外图像处理中，小波变换算法可以更好地增强图像中的热点和边缘细节信息。
然而，小波变换算法在处理过程中，由于分解和重构过程的信息损失，可能引入边缘模糊和噪声增强等问题。
为了解决这些问题，研究者们提出了局部对比度增强算法。
该算法通过分析图像的局部对比度信息，针对每个像素点进行细节增强，可以更有效地保留和增强图像中的细节信息。
除了上述的算法，还有一些其他的细节增强算法被广泛应用于红外图像处理中，如Retinex算法、双边滤波算法等。
Retinex算法通过模拟人眼对光照和颜色进行感知的过程，可以调整图像的全局和局部对比度，达到细节增强的效果。
双边滤波算法则通过保留图像的边缘信息和纹理细节，同时抑制噪声的影响，实现细节增强的效果。
综上所述，红外图像处理中的细节增强算法是一门重要的研究领域。
不同的细节增强算法有着各自的优缺点和适用范围，需要根据具体的应用场景选择合适的算法。
红外增强算法综述在图像形成、传输或变换的过程中，由于受到其它客观因素诸如系统噪声、曝光不足或过量、相对运动等影响，获取图像往往会与原始图像之间产生某种差异(称为降质或退化)。
退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误，因此必须对其采取一些手段进行改善。
图像增强技术正是在此意义上提出的，目的就是为了改善图像的质量。
图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除元关信息，达到强调图像的整体或局部特征的目的。
图像增强尚没有统一的理论方法，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。
下面将由红外图像的直方图出发，介绍相关的增强算法。
一、红外图像的直方图及其特点1、红外图像的直方图图像的基本描述有灰度、分辨率、信噪比、频谱等等。
灰度直方图是用于表达图像灰度分布情况的统计图表，有一维直方图和二维直方图之分。
其中最常用的是一维直方图，其定义是：对于数字图像()y x f ,，设图像灰度值为0r 、1r ......1-L r ，则概率密度函数()i r P 为：()()....3,2,1==i r r P i i 图像上总的像素数的像素数灰度级为且有()110=∑-k i r P ，由于i r 取值离散，故直方图习惯画成灰度级—像素数（图1）的形式。
图1：典型直方图直方图具有以下性质:1) 只表示图像中每一灰度级出现的频数，而失去了具有该灰度级的像素的位置信息；2) 图像与直方图之间是多对一的映射关系；3) 一副图像各子区直方图之和等于该图像的全图直方图。
在图像处理中，直方图是很有用的决策和评价工具。
直方图可以提供下列信息：1) 每个灰度级像素数出现的频数；2) 图像像素值的动态范围；3) 整幅图像的大致平均亮度；4) 图像的整体对比度情况。
直方图统计在对比度拉伸，灰度级修正、动态范围调整、图像亮度调整、模型化等图像处理方法中发挥了很大作用，在本文后面的讨论中将可以看到直方图的意义。
提高红外成像空间分辨率的方法探讨李庆辉(西安电子科技大学技术物理学院,西安 710071)摘要 由于红外焦平面器件的像元尺寸和光学系统衍射效应的影响,红外成像系统的空间分辨率大大低于可见光成像系统。
本文介绍了目前几种主要的提高红外成像空间分辨率的可能方法:微扫描技术、光瞳滤波器及基于解析延拓理论的超分辨率图像重构技术,并对这些方法在工程实际中的应用作了评述。
关键词 红外成像 高分辨率 衍射 微扫描 图像重构中图分类号: TP73212 文献标识码:A 文章编号:1009-8518(2002)02-0025-04Study of spatial resolution improving of infrared imaging systemLi Qinghui(Institute of T echnical Physics ,X idian University ,X i ’an 710071)Abstract The spatial res olution of infrared imaging system is frequently lower than that from visible region systems due to diffraction and the finite pixel size of infrared focal plane arrays 1The Methods of im proving spatial res olution of in 2frared imaging system are summarized ,such as microscanning technique ,pupil filter and super -res olution image recon 2struction on the basis of analytic extrapolation 1The merit of these methods is als o discussed 1K ey Words Infrared imaging High res olution Diffraction Microscanning Image reconstruction收稿日期:2002-11-103本项目受国家自然科学基金委员会与中国节能投资公司联合研究基金资助,项目指准号:601070031 影响红外成像空间分辨率的主要因素 红外成像系统的空间分辨率大大低于可见光成像系统[1],其主要原因为:红外焦平面器件(IRFPA )的性能及光学系统的影响。
红外增强算法1. 简介红外增强算法是一种用于提高红外图像质量和增强目标检测能力的图像处理算法。
红外图像是通过红外传感器获取的，其灰度范围相对较窄，细节不够清晰。
而红外增强算法能够通过对图像进行增强处理，使得目标物体在红外图像中更加明显，提高图像质量和可视化效果。
2. 红外图像特点及挑战红外图像具有以下特点和挑战：•低对比度：由于红外传感器的灵敏度限制，红外图像的对比度较低，目标物体与背景之间的差异不明显。
•噪声干扰：由于环境因素以及传感器本身的噪声等原因，红外图像中常常存在各种噪声干扰。
•细节模糊：由于分辨率有限以及传感器响应特性等因素，红外图像中的细节往往不够清晰。
这些特点和挑战给目标检测、识别和跟踪等应用带来了困难，因此需要使用红外增强算法对红外图像进行处理。
3. 红外增强算法的基本原理红外增强算法主要包括以下几个步骤：3.1 去噪由于红外图像中常常存在各种噪声干扰，首先需要对图像进行去噪处理。
常用的去噪方法包括中值滤波、均值滤波和小波去噪等。
这些方法能够有效地降低图像中的噪声，并提高图像质量。
3.2 增强对比度为了提高红外图像的对比度，可以使用直方图均衡化等方法。
直方图均衡化能够将图像的灰度级分布拉伸到整个灰度范围内，使得目标与背景之间的差异更加明显。
3.3 锐化增强为了提高红外图像中目标物体的边缘细节，可以使用锐化增强技术。
常用的锐化增强方法包括拉普拉斯锐化和梯度增强等。
这些方法能够使得目标轮廓更加清晰，细节更加突出。
3.4 空间滤波空间滤波是一种基于图像局部邻域的增强方法，通过对图像的像素进行加权平均或者差分运算，可以提高图像的细节信息。
常用的空间滤波方法包括均值滤波、高斯滤波和中值滤波等。
这些方法能够平滑图像并增强细节。
4. 红外增强算法的应用红外增强算法在军事、安防、医学等领域有着广泛的应用。
4.1 军事应用红外传感器广泛应用于军事领域，如夜视仪、导弹制导系统等。
通过对红外图像进行增强处理，可以提高目标检测和识别能力，帮助士兵在夜间或者恶劣环境下获取更清晰的目标信息。
一种红外图像增强算法研究针对传统红外图像存在的一些不足，提出一种融合多尺度Retinex和小波变换的红外图像增强算法。
该算法综合了小波变换多尺度、多分辨率的优点，以及多尺度Retinex红外增强的特性，利用小波变换对图像信号进行分解，对低频系数进行多尺度Retinex算法处理，而对小波分解的高频细分量进行消除噪声并改善图像细节部分，并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。
通过仿真该算法可增强图像细节，优化图像整体视觉效果。
标签：红外图像；图像增强；小波变换；多尺度Retinex法引言随着现代科技发展及社会进步，红外成像技术已经被广泛应用于军事用途和民用领域。
然而因为红外图像采集器件本身的结构和原理限制，及采集过程中复杂的环境因素影响，目前的红外成像效果无法完全满足人们的需求。
所以在技术运用中需要对得到的红外图像进行必要的增强处理，以使之更利于视觉分辨，从而更好地确认目标，便于后续智能化分析与处理。
小波变换是一种多分辨率分析方法，其作为一种数学工具近年来得到广泛应用[1]。
由于该方法可以将图像分解成不同分辨率的尺度，它具有代表信号在时域和频域的局部特征的能力，因而通过小波重建可使处理后的图像质量得到有效改善。
Retinex理论的增强算法可经过原始图像与高斯函数的卷积获得最优亮度估计，改善图像的亮度均匀性[2]。
图像能量信息主要在低频部分，通过Retinex 算法可以很好的完成低频子代图像的动态压缩，改善图像整体效果[3]。
文章对红外图像增强算法进行一些针对性研究，提出了一种红外图像增强算法，该算法融合了多尺度的Retinex和小波变换思想。
该算法综合了小波变换多尺度、多分辨率的特点，以及Retinex红外增强的优势，实现红外图像增强，通过仿真实现增强效果较好。
1 小波变换基础理论小波变换是由傅立叶分析发展而来的新兴学科，又称多分辨分析[2]。
该方法应用领域十分广泛，理论意义极其重大，无论对古老的自然科学还是新兴的高新技术应用学科都产生强烈的冲击，是目前国际高度关注的前沿领域。
编号本科生毕业设计红外图像增强算法研究Infrared image enhancement algorithm学生姓名专业学号指导教师学院二〇一三年六月毕业设计（论文）原创承诺书1．本人承诺：所呈交的毕业设计（论文）《红外图像增强算法研究》，是认真学习理解学校的《长春理工大学本科毕业设计（论文）工作条例》后，在教师的指导下，保质保量独立地完成了任务书中规定的内容，不弄虚作假，不抄袭别人的工作内容。
2．本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。
3．在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。
4．本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。
以上承诺的法律结果将完全由本人承担！作者签名：•年•• 月•••日摘要随着现代红外技术的快速发展，红外热成像系统被广泛应用于军事，民用领域。
由于红外成像机理，导致了红外图像具有高背景!低对比度!灰度范围窄!信噪比较低的特点。
这些问题严重影响红外图像的成像质量，使得目标不易辨认，成像效果不理想。
为了提高红外图像的质量，需要对获得的红外图像进行必要的增强处理，使其更适于人眼观察。
因此，对红外图像进行增强去噪处理是红外图像处理技术中的一个极为重要的环节。
本文以红外图像的特征及经典增强方法为理论基础根据实时处理要求和自适应原理，提出了基于平台直方图的自适应红外图像增强算法;为了突出目标细节，提出了一种非线性拉伸自适应增强算法；本文提出的改进方法简单易行，运算量小，易于实时处理，对于某些图像取得了比现有增强方法更好的效果。
关键词：红外图像图像增强平滑锐化AbstractWith the rapid development of modern infrared technology, infrared thermal imaging systems are widely used in military and civilian fields. Because infrared imaging mechanism, resulting in a high background of infrared images! Low contrast! Grayscale range narrow! Low SNR characteristics. These problems seriously affect the image quality of the infrared image, so that the target is not easy to identify, imaging results are not satisfactory. In order to improve the quality of the infrared image, the need for access to the infrared image enhancement processing necessary to make it more suitable to the human eye. Therefore, the infrared image enhancement and denoising processing is an infrared image processing technology in a very important part. In this paper, the characteristics and classic infrared image enhancement method based on the theory based on real-time processing requirements and adaptive principle, a platform-based adaptive histogram infrared image enhancement algorithm; objectives in order to highlight the details, we propose a non-linear stretching adaptive enhancement algorithm; the simulation results show that the improved method proposed in this paper is simple, less calculation and easy real-time processing, for some image enhancement method achieved better than the existing results.Key words: infrared image; image enhancement; smooth; sharpening目录摘要 (I)Abstract........................................................... I I 第一章绪论.. (1)1.1 红外成像技术及其发展概况 (1)1.2课题的研究意义 (1)1.3 红外图像增强算法的研究现状及发展趋势 (2)第2章红外图像的产生机理及统计特征分析 (3)2.1 红外图像的产生机理及特点 (3)2.1.1红外热成像系统简介 (3)2.1.2 红外图像及其特点 (4)2.2 红外图像的噪声分析 (5)2.3 红外图像中的非均匀性分析 (7)2.4 数字图像的数学表示 (7)2.5 红外数字图像的对比度和空间分辨率 (9)2.6 红外图像直方图 (9)2.6.1 直方图的概念 (9)第3章红外图像增强算法研究 (11)3.1 红外图像增强算法基本分类 (11)3.2 红外图像增强的基本算法 (11)3.2.1 灰度变换 (11)3.3直方图均衡化 (12)3.3.1直方图均衡原理 (12)3.3.2直方图均衡算法 (13)3.3.3直方图均衡的特点 (15)3.3.4实验仿真及分析 (15)3.3.5 直方图灰度等间距均衡处理 (16)3.4图像的平滑降噪处理 (17)3.5频域滤波增强 (18)3.5.1频域低通滤波 (19)3.5.2频域高通滤波 (19)3.6图像锐化 (20)3.7 其它常用的红外图像增强处理算法 (21)3.8 红外图像增强基本算法分析 (21)第4章一种自适应红外图像增强算法研究 (24)4.1 分段线性变换 (24)4.2 自适应双阈值增强算法 (25)4.2.1 下限阈值t的确定 (26)14.2.2 上限阈值t的确定 (27)24.3 对图像增强算法的定量评估 (28)4.4实验结果及分析 (29)第5章结论与展望 (32)5.1 结论 (32)5.2 展望 (32)参考文献 (34)致谢 (36)第一章绪论1.1 红外成像技术及其发展概况红外图像是红外成像技术的产物。
88２０１７年第３期农业科技1.引言车辆装备在长期使用过程中，承受交变应力的作用，特别是军用车辆任务繁杂，工作环境恶劣，在一些关键部位的表面或亚表面会出现微裂纹等缺陷，从而影响行车安全，有必要适时进行检测。
超声红外无损检测技术利用超声波作为激励源，激发裂纹区域生热，红外热像仪捕捉温度变化，以识别缺陷信息。
然而，红外热像受多种因素影响，且微裂纹生热量少，造成缺陷识别度不高，因此，有必要通过图像处理方法对红外图像增强以突显缺陷信息。
为了有针对性的增强目标，本文对红外图像的影响因素进行分析，并提出几种简单的增强缺陷信息的方法。
2.红外热成像的影响因素２．１ 辐射率。
辐射率通常用来描述某种物体相对于理论上该物体所能发射红外能量的能力，对红外热成像有重要影响，它与物体的属性、温度及表面的特征密切相关。
表面粗糙度对金属件红外辐射率的影响很大，表面光滑的金属材料辐射率低，而通过电镀、喷涂等方式涂覆其它材料后，物体的辐射率就取决于涂覆材料的性质，因此，在被测区域表面喷涂一层厚度适当的涂料可以大幅度提高辐射率，有效改善热像质量。
２． ２ 红外热像仪性能。
红外图像通过红外热像仪采集，因此热像仪的性能对图像质量有很大影响，主要体现在空间及温度分辨率的高低上。
空间分辨率直接表现为图像像素数，空间分辨率高的图像能够更为细腻的显示温度信息；温度分辨率指的是热像仪能够探测的物体温度发生的最微量变化，表征系统探测温差变化的能力。
采用空间和温度分辨率更高的热像仪可以显著提高图像质量。
２．３ 噪声及干扰。
红外图像以温度为成像原理，易受噪声干扰，其采集过程中主要受到外界辐射源与空气流动的影响，包括可见光、各种红外热源、人体的热辐射以及走动引起的热空气流动等等。
因此，有必要通过搭建红外暗室隔离辐射源与空气流动，以保证红外图像的准确性。
3.红外图像常规增强流程３．１ 算术运算。
算术运算一般用于图像预处理操作，包括图像加法与减法运算。
图像加法（平均）是对同一场景的多幅图像求平均值，方法是将几帧图像的对应像素值求平均并生成新的图像。
DOI: 10.12086/oee.2019.180418透火焰红外数字全息图像的分辨率增强算法柴金燕1，黄晁2,3*，陈春燕1，杨超41宁波大学信息科学与工程学院，浙江宁波 315211；2宁波中国科学院信息技术应用研究院，浙江宁波 315100；3宁波中科集成电路设计中心有限公司，浙江宁波 315100；4南京邮电大学电子与光学工程学院，江苏南京 210046摘要：近年来，高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。
理论上火焰和浓烟对长波长的红外数字全息成像没有影响，但在现实火场环境中，燃烧物的大颗粒灰尘将会干扰光路，严重增加了全息图重建图像的噪声。
本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。
该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开，再对细节层进行滤波，然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中，从而提高重建像的分辨率，并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。
关键词：高温干扰；红外数字全息；图像处理；图像噪声；拉普拉斯金字塔算法中图分类号：TP391；TB872 文献标志码：A引用格式：柴金燕，黄晁，陈春燕，等. 透火焰红外数字全息图像的分辨率增强算法[J]. 光电工程，2019，46(4): 180418 Resolution enhancement algorithm based on infrared digital holography imaging through flame Chai Jinyan1, Huang Chao2,3*, Cheng Chunyan1, Yang Chao41Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo, Zhejiang 315211, China;2Ningbo China Academy of Information Technology Application Research Institute, Ningbo, Zhejiang 315100, China;3Ningbo Zhongke Integrated Circuit Design Center, Ningbo, Zhejiang 315100, China;4College of Electronic and Optical Engineering, Nanjing University of Posts and Telecommunications, Nanjing, Jiangsu 210046, ChinaAbstract: In recent years, the use of new technologies combining infrared thermal imaging and digital holographic imaging to observe the targets in the fire field has become a current research focus. In theory, flame and smoke have no effect on long-wavelength infrared digital holography, but in the real fire environment, large particles of dust from the combustion will interfere with the light path, seriously increasing the reconstruction noise of the hologram. This paper proposes a new image processing algorithm to suppress the noise of infrared digital holographic reconstruc-tion. The algorithm uses a bilateral filter combined with the Laplacian pyramid algorithm to separate the details and——————————————————收稿日期：2018-08-01；收到修改稿日期：2018-12-08基金项目：国家重点研发计划(2016YFB0700501)；宁波国家高新区(新材料科技城)重大科技专项(重大技术创新项目)；江苏省研究生科研与实践创新计划项目(SJCX17_0233)作者简介：柴金燕(1993-)，女，硕士研究生，主要从事图像处理及嵌入式系统开发的研究。
E-mail：892165299@通信作者：黄晁(1972-)，男，博士，副研究员，主要从事智能感知技术的研究。
E-mail：chuang@energy layers of the holographic reconstructed image, filters the detail layer, and then superimposes the separated layers back into the reconstructed image by the inverse Laplacian pyramid algorithm. Therefore, the resolution of the reconstructed image is improved, and the simulation of the fire field environment proves that the algorithm has a significant effect on improving the resolution of the reconstructed image of the infrared digital hologram. Keywords: high temperature interference; infrared digital holography; image processing; image noise; Laplacian pyramid methodCitation: Chai J Y, Huang C, Cheng C Y, et al. Resolution enhancement algorithm based on infrared digital holo-graphy imaging through flame[J]. Opto-Electronic Engineering, 2019, 46(4): 1804181 引言近几年的可见光波段数字全息研究已经建立了相当深厚的理论基础，并且其相应的理论已经被应用到科学研究和工业技术等方面[1]。
利用红外热成像与数字全息成像相结合实现火场搜救成为新的研究热点之一[1]。
在国际上有报道的文献中，Paturzo等人的团队正在研究这个新兴方向，其研究方向包括物体动态全息三维场景的合成与显示[2]；二维动态位相光栅在数字全息中的超分辨率[3]；用远红外数字全息技术在烟雾和火焰中对活体进行成像[4]等。
而国内对红外数字全息领域的研究成果尚无相关报道。
如图1(b)、1(c)所示，在发生火灾的区域中，使用普通的可见光成像方式无法观察到火场中目标，不利于火场救援。
如图1(d)所示，使用红外热成像观察的方式也有极大的不足。
利用红外数字全息可以透过火焰和烟雾观察目标，但经过模拟火场的实验发现，通过红外传感器采集的干涉图非常不清晰，重建后的图像细节模糊，由于物体表面粗糙度变化超过光波波长引起的散斑噪声，不利于观察。
当相干光束照射随机散射物体的粗糙表面时，由于幅度的变化，散射于不同表面点的波会发生波动。
这些散射波在记录平面中叠加形成散斑噪声。
在全息重建中，人们提出了许多抑制噪声技术。
大多数方法通过复用全息图[5-7]或引入旋转元件来进行时间积分[8-12]。
这两种方法都能有效地降低散斑噪声。
然而，在这些方法中也存在一些缺点。
例如，旋转元件法存在系统扰动的问题。
另一方面，时域方法只是对重建图像进行平滑处理，牺牲了图像细节。
为此，本文设计了一个抑制重建图像噪声，增强重建图像细节，从而提高其分辨率的图像处理算法，显著提高了重建图像的分辨率。
2 理论推导2.1 实验装置及光路整个光学装置是基于简单的Mach-Zender干涉，方案如图2。
本文使用的激光源是在连续模式下工作的功率可调谐的10.6 μm CO2红外激光器，输出功率被设定为28 W。
使用的光学镜片均是普通的透红外透镜，BS代表20/80分光镜。
M1，M2，M3和M4是反射镜。
V A是消光比为500：1的衰减器。
L1和L2是焦距为10 cm的凹透镜。
成像目标是一个60 cm ×35 cm 的石膏雕像，H是自制火盆，燃烧物是多种日用物品混合(木屑，杂草，布条等)。
本文使用的探测器是384×288非晶硅薄膜非制冷热像仪，热像仪的成像透镜已取出。
图1 模拟火场成像效果。
(a) 成像物体；(b) 透火焰成像；(c) 透浓烟成像；(d) 透火焰红外热像仪成像Fig. 1 Simulating the fire field imaging effect. (a)Imaging objects; (b) Imaging through flame; (c) Imaging through thick smoke; (d) Imaging with a thermal imaging camera through a flame(a) (b) (c)(d)在采集干涉条纹图时，本文采集了透火焰与不透火焰两种条纹图进行对比，从图3(a)和3(b)中可以看出，物光透过火焰形成干涉条纹后，条纹变得模糊，所以，重建出来的图像也就相对模糊(如图4)，而且含有很多噪声。
为此，本文参考张文理等人的空间外差光谱仪的干涉图校正技术对干涉图进行校正[13]，但由于远红外光波长较长，该方法对于改善本文的红外干涉图效果不明显。
所以必须解决这一问题，才能真正地实现透火焰浓烟观察目标。
2.2 分辨率增强算法原理图像金字塔是图像中多尺度表达的一种方式。
由于经过下采样的过程，金字塔的K +1层比K 的分辨率更低。
在拉普拉斯金字塔中，将高斯滤波器应用于每一层来提取图像的细节信息[14]。
