基于小波变换的红外弱小目标检测新方法

研究了红外序列图像中弱小目标的检测。对图像序列进行小波变换,利用目标小波变换的特性,对单帧小波变换后的各高频分量进行累加,利用门限处理并通过与一个与管道得到包含候选目标点的图像,最后利用目标运动的连续性,进一步检测,得到目标点的位置。实验结果表明,该方法能有效地检测红外弱小目标。     

基于小波分析的双色红外弱小目标检测算法

针对单波段红外弱小目标检测难度大、信息量少的问题,提出一种基于小波分析的双色红外弱小目标检测算法。首先运用小波滤波器对双色图像进行一级分解,然后提出一种软、硬阈值折衷法对高频小波系数进行处理,低于阈值的系数将被直接归零以抑制背景;通过采用一定的策略对双波段高频图像进行融合并将低频系数归零后,运用小波反变换得到滤波图像,最终采用多帧累积检测完成弱小目标的检测。实验证明本文算法能有效提升目标信噪比,具有良好的弱小目标检测能力和实时性。     

一种基于小波域的双色红外弱小目标检测算法（英文）

针对单波段红外弱小目标检测难度大、信息量少的问题,提出一种基于小波域的双色红外弱小目标检测算法。首先运用小波滤波器对双色图像进行分解,利用双色图像的特征差异提出了不同的阈值确定方法对高频图像进行分割,通过采用不同策略的布尔逻辑运算完成高频分割图像的融合,最后运用形态学运算和多帧累积检测的方法完成弱小目标的检测。     

采用小波变换和数学形态学的小目标检测

鉴于常用检测方法不能准确稳定地检测出复杂背景中小目标,结合小波变换和数学形态学,提出了一种小目标检测新方法.首先对图像进行单尺度小波变换,提取高频分量系数;其次,利用阈值算法将各个高频分量系数图像转化为二值图像后对其进行多结构元素形态学滤波,滤波结果与原二值图像相减后在差值图像上得到可能的小目标.将3个方向的高频系数的检测结果相关联获得单帧检测结果;最后将多个单帧检测结果进行流水线检测,得到最终的检测结果.仿真结果表明该方法能够准确稳定地检测出信噪比(SNR)大于2的弱小目标.     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来。通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标。     

基于SA4向量小波变换及Fisher算法的红外弱小目标检测

本文提出了一种新的红外图像弱小目标检测方法，即利用SA4向量小波的优良性质，采用恰当的预滤波器对图像进行预处理；而后利用Fisher算法对经SA4向量小波变换得到的高频图像进行分割，最终将目标从背景中分离出来；大量实验表明该算法是有效的。     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.     

基于改进的奇异值分解和形态滤波的弱小目标背景抑制

红外弱小目标的复杂背景抑制一直是弱小目标检测与跟踪的一个难点。提出一种改进的奇异值分解和形态滤波Tophat变换相结合的红外弱小目标背景抑制算法。首先通过奇异值分解得到原红外图像的奇异值矩阵和左右奇异矩阵,然后通过对奇异值进行对数非线性变换,利用优化后的奇异值矩阵进行重构得到增强对比度的红外图像,最后利用形态滤波中的Tophat变换进行滤波达到背景抑制的目的。实验结果表明,该算法能够很好地实现红外弱小目标图像的背景抑制,并能使目标信号得到保存和增强。     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

Shannon小波包分解自适应Gabor滤波器设计及其在纹理分割中的应用

本文首先研究了Ｇａｂｏｒ滤波器进行确定性纹理分割时纹理结构与Ｇａｂｏｒ函数的关系，提出了利用在频域中具有紧支集的Ｓｈａｎｎｏｎ小波包分解检测纹理的主频；最后，提出了基于小波包分解自适应Ｇａｂｏｒ函数与纹理图像卷积，就可以在纹理的连续处产生良好的阶跃边缘，并通过实验验证了该算法的有效性及其对噪声的鲁棒性。     

基于Gabor小波滤波器的红外图像多尺度识别

讨论了Ｇａｂｏｒ小波滤波器理论,并利用Ｇａｂｏｒ小波滤波器的多尺度特性进行了外图像识别,还进行了计算仿真实验,实验结果表明本文算法是可行的和有效的。     

一种基于小波域的指纹图像增强算法

面对采集的指纹图像质量较差的问题,提出一种在小波域对指纹图像滤波增强算法。该算法在小波域进行Ga-bor滤波增强,通过Radon变换后的投影估计Gabor滤波的方向和频率,对滤波增强后的子图进行小波重构得到最后的结果,有效地抑制高频扰动对指纹图像质量的影响,提高运算速度和准确性。通过对FVC2000指纹库中的部分低质量指纹图像进行增强,表明该算法对指纹图像的增强效果明显,并且处理速度较快。     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

Gabor wavelet representation for 3-D object recognition

This paper presents a model-based object recognition approach that uses a Gabor wavelet representation. The key idea is to use magnitude, phase, and frequency measures of the Gabor wavelet representation in an innovative flexible matching approach that can provide robust recognition. The Gabor grid, a topology-preserving map, efficiently encodes both signal energy and structural information of an object in a sparse multiresolution representation. The Gabor grid subsamples the Gabor wavelet decomposition of an object model and is deformed to allow the indexed object model match with similar representation obtained using image data. Flexible matching between the model and the image minimizes a cost function based on local similarity and geometric distortion of the Gabor grid. Grid erosion and repairing is performed whenever a collapsed grid, due to object occlusion, is detected. The results on infrared imagery are presented, where objects undergo rotation, translation, scale, occlusion, and aspect variations under changing environmental conditions.     

利用Gabor小波系数融合进行图像增强的研究

在传统图像增强技术的基础上,提出了一种基于GABOR小波系数融合的图像增强方法。通过Gabor小波对图像进行滤波,产生八个方向的滤波图像系数,对这些图像系数用求平均值融合方法得到图像边缘图,再融合经传统空域增强方法得到的直方图均衡化图像以产生最终增强的边缘信息以便于分析处理的图像。     

基于提升小波变换的红外图像双重滤波算法

为了有效抑制红外图像中的随机噪声,采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。为了改善滤波后图像视觉效果,再引入直方图均衡化算法进行处理。通过理论分析和实验验证,获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明,该滤算法对于高质量地去除红外图像中的噪声是有帮助的。     

基于TLS的正交小波变换红外图像去噪

提出了一种基于总体最小二乘的正交小波变换红外图像去噪算法。对红外图像进行离散正交小波变换,分别对各个分解层的高频子带,通过总体最小二乘算法估计小波系数,获得各个高频子带信号的估计系数,然后通过正交小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除加性红外图像噪声,在信噪比、直方图匹配等方面都有较大改善,并获得了良好的主观视觉效果。     

基于纹理特征与BP神经网络的运动车辆识别

在Gabor小波滤波器组与图像卷积值作为特征向量达到很高识别率的基础上,提出了一种特征值加权的Gabor小波纹理特征的提取方法.首先Gabor小波函数与纹理图像做卷积,然后加权处理尺度各不相同和方向各不相同的的卷积值,最后将均值和方差看作它们的特征向量,该方法使特征维数有所降低,并利用BP神经网络进行训练和仿真,实现运动车辆纹理图像的自动分类,达到运动图像的识别.实验结果表明此算法有效降低了图像的识别错误,增强了稳健性,对质量差的图像能够有效识别.