基于子束变换的自适应线性特征检测

子束变换是一种在多个尺度上对图像线段求积分的线段检测算法.针对二值图像中的线性特征,在强杂波环境下,研究了子束变换的特征检测问题.综合利用了不同尺度上的子束特性,引入线性插值、新的目标函数和Chebyshev不等式,提出了一种自适应线性特征检测算法.仿真结果表明,该算法对杂波环境下的线性特征检测非常有效,并对短线干扰有一定的抑制能力.     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

红外空中小目标小波域检测方法

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换的检测算法.该方法首先对小目标图像进行小波分解并在考虑高频系数能量的基础上对噪声和背景边缘系数进行抑制,然后将遗留下来的高频系数通过线性映射变换成灰度图像.其次对3个方向的高频图像按照一维最大熵法进行二值化处理并通过形态开算子进一步滤除噪声,随后将高频图像两两相与关联生成单帧检测结果,并进一步利用帧间目标位置的相关性完成小目标检测过程.最后,在原图像中以检测结果图像的质心为中心生成跟踪窗口.试验结果表明,相对于通常的小目标检测算法,提出的算法在背景抑制、检测准确度以及速度方面都具有一定的优势.     

基于红外图像的小目标检测与跟踪方法

为了能在强杂波、低信噪比的情况下检测小目标,人们提出了许多针对小目标检测与跟踪的方法。介绍了基于红外图像的小目标检测和跟踪的各种方法和最新进展,重点讨论了灰度形态法、小波变换法、最优时空非线性滤波法用于小目标检测与跟踪的原理,并指出了今后的发展和研究方向。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

树状小波与多尺度估计理论的图像融合技术

针对红外和可见光图像的特点及相互融合的应用,提出一种基于树状小波多尺度估计理论的红外与可见光图像融合算法.首先对源图像进行树状小波多尺度分解,依据子图像的信息量得到塔式结构子图像;然后基于不同子图像对应层上的对应像素,根据EM算法估计模型参数,采用SAGE迭代算法优化估计参数得到融合子图像;最后根据小波逆变换获得融合图像.实验结果表明:该融合算法能够更好地综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息;性能评估显示:该算法得到的融合图像互信息较文献[5,6]分别提高了49.60%和24.90%,均方根误差分别减小了66.40%和56.00%.     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

智能监视系统中红外运动目标检测

本文使用一种基于Cauchy分布统计背景模型的背景剔除（background subtraction）技术成功地实现了对低分辨率红外视频目标的检测。提出以柯西分布作为斧景图像像素强度比值的统计分布模型，并融合图像局部线性相关技术实现背景剔除。该方法同时利用了单个像素点的时序统计特性和邻近像素点所蕴涵的空间区域特性，实现了精确的目标检测。最后的实验表明，所提供的算法可以对室外场景中的红外视频目标实现精确地检测，可以有效地抑制背景中杂波的干扰。     

基于非参估计的局部滑窗双参CFAR目标检测

针对特定杂波概率模型不能有效的描述SAR图像背景杂波这一问题,提出了一种基于非参估计的局部滑窗双参CFAR目标检测算法。该方法首先用非参估计方法逼近SAR图像局部背景,完成对局部背景的精确建模;在此基础上,理论推导了局部双参CFAR检测算法的阈值,设计了阈值求解的数值算法。对典型目标图像进行实验,结果表明,该方法检测速度较快、精度较高。     

基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。     

基于小波游程编码的改进算法

提出一种基于小波和数学形态学的自适应游程编码的改进算法.与其他优秀的小波图像编码算法一样,自适应游程编码是一种对小波域经数学形态学处理得到的小波显著系数的有效编码方式.图像小波分解.经数学形态学膨胀处理后,位平面将出现大量极长的连"0",利用游程编码将是非常有效的.改进的自适应游程编码算法最突出的新特点是其可以将原始比特流转换成码长的二进制编码.实验结果表明,当连续码流相等的情况下,改进的算法可以有效减少编码长度.     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。     

低信噪比抖动红外点目标的检测

本文为解决低信噪比条件下抖动红外点目标的检测问题，提出了一种基于膨胀累加、检测前跟踪的检测算法。该算法运用膨胀累加方法能够消除抖动对多帧累加算法的不利影响，使目标能量仍然能够实现有效的积累，从而达到目标增强的目的。本文还采用了小波变换预处理方法，对图象中相关的１／ｆ噪声进行白化。模拟实验结果表明，该算法能够快速检测出信噪比为２抖动点目标。     

基于平稳小波变换的遥感图像融合方法

针对目前方法在多光谱图像和高分辨率图像融合中存在的问题,提出了一种IHS交换和平稳小波变换相结合的图像融合方法.首先对多光谱图像进行IHS变换后,得到I、H和S三个分量,接着对I分量和高分辨率图像进行基于平稳小波变换的图像融合,得到一幅新的强度图像,最后用新的强度图像和H及S进行IHS反变换,进而获得最终融合图像.实验表明,它优于传统的IHS变换法和小波变换法.     

基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

一种基于小波变换的红外图像对比度增强技术

将小波变换理论应用于红外图像处理 ,提出一种基于小波变换的红外图像对比度增强方法。对低对比度的红外图像施行小波变换 ,得到其多尺度梯度分布 ;合理地增强其在各个尺度上的梯度模值 ,直接扩大尺度空间图像的动态范围 ,既增强了图像的对比度 ,又控制了噪声。实验结果表明 ,与直方图均衡方法相比 ,此方法效果较佳     

基于混沌序列和HVS的数字图像水印方法

提出了一种新的数字水印算法,该算法对原始图像进行小波变换,利用混沌序列产生的相应密钥对水印信息进行置乱,并在充分考虑了人眼的视觉特性的基础上确定原始信息嵌入的位置和强度,使数字水印不仅能抵抗有损压缩攻击的能力,而且还能抵挡各种变形处理,达到了隐藏信息的目的。     

噪声图像压缩编码的小波变换方法

基于小波变换理论，研究小波变换域噪声图像的压缩编码方法，以实现在小波变换域同时达到对图像噪声的去除与图像压缩编码的目的，并且使两者均获得较好的效果。最后给出的实验结果证明了本文方法的有效性。     

小波变换在零件边缘检测中的应用

目前对机械零件的尺寸、口径等参数的测量大多采用接触测量,而利用零件图像的边缘信息进行非接触测量,则是一种新的更好的检测方式。用此方法可以对机械零件图像的边缘进行精确的检测,再根据相应的数学关系得到相关参数的值,不但可以提高零件检测的精度,还可以大大节省人力和物力。模拟边缘检测技术的具体过程,依次采用最佳阈值迭代算法、小波变换模极大值法、边缘连接局部处理法对零件图像边缘信息进行边缘检测和提取,并对检测过程进行了重点分述。最后,通过一个具体实验,验证了小波技术与其他技术结合使用所获得的良好效果,从而进一步显示了小波变换在边缘检测技术中应用的巨大潜力。