法的具体应用。针对海陆共存情况下的图像，分析均值滤波和对比度增强两种预处理方法； 针对全海洋情况下的图像，研究抑制条带噪声的两种办法：高斯低通滤波和小波变换。

第三章：简单介绍了图像分割和形态学的基本概念，以此来实现图像分类和海陆分离。 在此我们对本文所涉及到的 OTSU 算法、区域生长算法，腐蚀和膨胀，开运算和闭运算进行 了描述，并结合实验进行了具体分析。

第四章：简述本文中的实验方法，并分析实验结果。 最后给出了总结分析与展望。

2 图像预处理

根据图像中的景物类型，本文将图像分成全海洋和海陆共存两种类型，当图像地物为不 同情况时需要对图像进行不同的预处理。

当图像为全海洋情况时，由于在红外遥感图像中最主要的噪声是条带噪声，此时条带噪 声对结果的影响极大，因而在这种情况下主要讨论对条带噪声的抑制，本文主要采用高斯低 通滤波和小波变换两种方式进行去噪，并比较结果，选出一种更合适的算法进行全海洋图像 的预处理。文献综述

当图像为海陆共存的情况时，条带噪声对图像影响不大，所以在这种情况下并不需要考 虑对条带噪声的抑制。在下文中我们将对均值滤波和对比度增强两种预处理进行比较，然后 选出一种较好的方法对海陆共存图像进行预处理。

2。1 图像地物为全海洋情况

2。1。1 高斯低通滤波

2。1。1。1 傅里叶变换

傅里叶变换（Fourier transform）是法国数学家 Jean Baptiste Joseph Fourier 提出的，傅里 叶变换就是将空间函数分解为组成它的频率，就像音乐的和弦可以用它每个单音的振幅表示 一样。在某一个域内的线性变换有时在其对应的另一个域中更容易分析和表示。空间域的微 分计算对应于频率域的乘法运算，空间域的卷积对应于频率域的普通乘法，所以一些微分方 程更容易在频率域进行分析。具体来说，这意味着任何线性空间不变系统，如信号滤波器， 都可以相对简单的表示为一个频率域的操作。

2。1。1。2 DFT 和 IDFT

离散傅里叶变换（DFT）在图像处理中，样本可以是光栅图像中沿着某一行或某一列的 像素值。离散傅里叶变换可以有效的解决偏微分方程，也可以用于实现如卷积或大整数相乘 等操作。因为它能处理的数据量有限，所以可在计算机上用算法甚至是专用的硬件来实现它， 而这些实现方式通常采用的是快速傅里叶变换（FFT），所以 FFT 和 DFT 通常可以互换。

从数学角度来讲，离散傅里叶变换是将一个等间距函数样本的有限序列转换成根据频率 排列的有限复杂正弦曲线组合的系数表。它可以说是原始域到频率域的采样函数的转换。

DFT 的定义如下：来`自+优-尔^论:文,网www.youerw.com +QQ752018766-

A1 B1

F( ,v) f(x, y)ej 2(x/A+y/B) (2-1)

x0  y0

其中 f(x, y) 是大小为 AB的数字图像，μ 在[0, A1] 中取值，ν 在[0, B1] 中取值