循环平移Contourlet变换在金属断口图像消噪中的应用

提出一种基于循环平移的Contourlet变换的金属断口图像消噪方法。该方法将带噪声的金属断口图像平移一定的距离,对平移后的图像进行硬阈值Contourlet变换消噪,通过反向平移,恢复到原图像一样的排列次序,实现有效消噪。实验表明,该方法与传统的小波消噪和Contourlet消噪方法相比,提高了消噪后图像的峰值信噪比。     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

小波变换在光学相关目标识别中的应用

光电混合实时联合变换相关器能够实现目标的自动探测、识别和定位,但由于实际中从图像传感器采集到的目标图像对比度较低且存在大量背景噪音,因而目标识别率低且识别效果不佳。基于小波变换的多分辨率分析特点能够更大程度上体现图像的特征信息,将其应用于光学相关目标的自动探测与识别中。将小波变换与联合变换相关器结合起来,通过研究物面的小波图像增强来获取更加尖锐的相关峰,解决复杂背景、低对比度目标的识别问题,取得良好的实验结果,证实小波变换在光学相关领域中具有一定的优越性和良好的应用前景。     

基于小波变换的射线图像增强方法的比较分析

射线数字成像是当前射线检测、诊断技术发展的重要方向，图像降噪增强是提高射线成像检测灵敏度和分辨率的关键。文中介绍了3种基于小波变换的射线图像增强方法及其原理，分别应用这3种增强方法对一幅射线无损检测（NDP）的图像进行了增强处理，对实验结果数据进行对比分析，说明它们在图像增强效果上的差异。     

基于亮度自适应调整的低对比度红外图像增强算法

为了克服传统红外图像增强算法中目标对比度差,无法有效识别感兴趣区域目标的缺点,提出一种基于亮度自适应调整的图像增强算法。该算法从人眼视觉感知特性出发,兼顾图像全局亮度自适应调整与局部特征增强,之后对整幅图像归一化处理,使图像整体对比度增强的同时纹理细节更加清晰。实验结果表明:直方图增强后的图像对比度提高,但是纹理细节不清晰;由Retinex算法增强的图像可以看到纹理细节,提出的基于亮度自适应调整增强算法处理后的图像不但纹理细节清晰,而且与Retinex增强图像相比图像对比度明显提高,视觉效果好。     

基于视觉感知的小波图像融合方法研究

结合人眼视觉"对比度敏感"这一生理特性,提出一种基于视觉感知的小波图像融合新方法,该方法避免了小波系数比值、邻域方差比值和块方差比值三种方法在提高融合图像对比度时存在的问题,对低频引入空间活跃度一致性原则,对高频采用均匀度择优法,从而提高了低频图像的对比度,同时又丰富了图像的空间细节信息量.最后通过试验验证了该方法的有效性.     

基于模糊集理论的红外图像自适应增强方法

针对红外图像对比度低的特点,运用模糊集理论增强方法,在构造隶属函数时,通过对红外图像像素渡越点的自适应选取,实现了图像对比度的自适应拉伸。实验结果表明,该方法能够达到自适应增强效果。     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于结构信息分布的图像质量评估新算法

图像质量评估技术是图像处理领域里的一个重要研究课题。从图像结构信息分布出发提出了一种图像质量的客观评估新算法,分析了小波包变换对图像结构信息、噪声信号的影响,以及内在关系,在此基础上提出了通过小波包变换获取图像的平均结构信息能量及结构信息强度,将其作为评价图像质量的指标,建立了评估模型。实验结果表明,该评估模型能准确地反映图像的客观质量。     

基于小波多尺度分解子带主成份的特征提取

基于小波多尺度分解子带主成份的特征提取法,利用小波多尺度分解子带系数图像特征.各尺度变换域系数代表目标不同信息,综合图像的边缘、灰度和结构等信息,再用信息提取图像的主要特征.以车辆跟踪为例,提取的特征可用于目标匹配,并用处理后干净图像的小波分解系数重构图像.     

基于数学形态学和小波融合的红外图像去噪

为了提高红外成像制导导弹的制导效果,必须要提高导弹摄取到的红外图像的质量,这就需要去除图像中的躁声,文中针对传统去躁方法如图像平滑、中值滤波、小波分析等去躁效果都不理想的情况,提出将数学形态学和小波融合相结合对图像进行去躁处理,并进行仿真运算。结果表明,采用基于数学形态学和小波融合的方法对图像进行去噪处理,其效果明显好于传统的图像去噪方法。     

红外图像模式识别的预处理

红外图像模式识别系统,由图像预处理、特征提取及模式分类组成.基于红外图像模式识别的图像预处理,包括滤波降噪、目标增强、图像分割等处理.滤波降噪有邻域平均、中值和Butterworth低通等滤波方法.目标增强可通过微分及Butterworth高通滤波完成,图像分割可采用阈值分割技术实现.故综合比较各种处理方法,采用两次均值滤波及拉普拉斯算子、阚值分割技术,较好实现了红外图像模式识别的预处理.     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

Curvelet变换在低对比度目标识别中的应用

低对比度目标因其灰度对比度低、边缘模糊等缺点,使得联合变换相关器无法将其从混杂的背景图像中辨别出来,达到成功识别的目的。针对这一问题,采用了基于Curvelet变换的图像增强算法对目标联合图像进行处理。作为超小波分析范畴的Curvelet变换,因具有极强的方向性,成为比小波变换更适合分析和理解图像特征的多分辨率分析工具。文中采用不同的方法分别调整了Curvelet变换后的高、低频系数,增强了目标的灰度对比度和边缘信息。以低对比度坦克图像为例,增强后的目标对比度由原来的4.16%提高至29.37%. 计算机模拟和光学相关实验结果均表明,增强后的联合图像获得了明亮的相关点对,成功实现了低对比度坦克的自动识别。     

Infrared Image Small Target Detection Based on Bi-orthogonal Wavelet and Morphology

An image multi-scale edge detection method based on anti-symmetrical bi-orthogonal wavelet is given in theory. Convolution operation property and function as a differential operator are analyzed,which anti-symmetrical bi-orthogonal wavelet transform have. An algorithm for wavelet reconstruction in which multi-scale edge can be detected is put forward. Based on it, a detection method for small target in infrared image with sea or sky background based on the anti-symmetrical bi-orthogonal wavelet and morphology is proposed. The small target detection is considered as a process in which structural background is removed, correlative background is suppressed, and noise is restrained. In this approach, the multi-scale edge is extracted by means of the anti-symmetrical bi-orthogonal wavelet decomposition. Then, module maximum chains formed by complicated background of clouds, sea wave and sea-sky-line are removed, and the image background becomes smoother. Finally, the morphology based edge detection method is used to get small target and restrain undulate background and noise. Experiment results show that the approach can suppress clutter background and detect the small target effectively.     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

侧扫声纳图像非下采样轮廓波变换域分区增强方法

成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况。针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换（NSCT）域分区增强方法。对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像在NSCT域上同一尺度不同方向子带系数最大值与最小值差值的分布规律,进行噪声和纹理边缘的划分以及对应的处理。将所提方法与小波硬阈值增强方法、小波Shrinkage自适应阈值增强方法做实验对比,结果表明,该方法不仅可以较好地消除噪声,而且可以抑制琐碎纹理、提升弱边缘,侧扫声纳图像增强效果更加突出。     

基于混合噪声模型的射线图像降噪方法

针对射线数字图像的特点,提出了一种基于混合噪声模型的小波中值滤波降噪方法。对射线数字图像噪声成分构成进行分析,建立了混合噪声模型。根据混合噪声模型来计算噪声方差,进而计算BayesShrink阈值,解决了BayesShrink阈值计算中因射线数字图像小波系数不服从广义高斯分布而导致的Donoho噪声方差计算方法失效的问题。为了消除BayesShrink阈值处理引起的图像失真,对小波阈值处理结果进行中值滤波。采用射线数字图像对该方法的有效性进行了验证,实验表明,该方法的降噪效果优于OracleShrink和SureShrink阈值法。     

一种新型的图像哈希算法

为了提高图像哈希方法的鲁棒性,提出一种基于BP神经网络的新型图像哈希算法,首先利用图像像素矩阵和构造的函数来训练BP神经网络,再将图像进行离散小波变换,利用低频分量来组成矩阵,最后利用已经训练好的BP神经网络来产生哈希序列。仿真结果表明,该算法对JPEG压缩、图像滤波等内容保持操作具有较好的稳健性,具有较好的应用价值。     

基于小波理论的铁谱图像压缩法

基于小波变换的铁谱图像压缩法,根据小波函数对铁谱图像进行一层或多层的小波分解.用阈值处理细节系数对1到N层选定阈值,并进行硬阈值处理,把绝对值小于阈值的系数置为0.通过逆小波变换,由阈值处理后的小波系数重构原图像.实验证明该方法压缩比高、速度快,压缩后能保持信号与图像的特征不变.