小波变换在红外图象处理中的应用

小波变换近年来在图象处理中的应用日益受到人们的关注。小波变换可能同时在时间（或空间）和频率域对信号进行分析，是多分辨率分析的有力工具。本文介绍了小波变换在红外图象处理中的应用，例如红外／可见光图象的配准与融合，红外图象增强，红外图像中的微弱目标探测等。     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.     

基于熵空间理论和小波变换的红外图像纹理分割

背景对目标的干扰是影响红外装备作用距离的重要因素,研究以雾为背景的红外图像中目标的识别方法对红外装备的应用有着重要的意义。突破了传统的红外图像的目标识别方法,通过对雾这种自然纹理的研究,采用小波变换的方法对红外图像提取各个频道上的纹理能量,基于熵空间理论的不同粒度空间分解与合成思想有效实现了以雾为背景的红外图像的纹理分割。     

基于小波变换与图像增强技术的红外小目标检测

提出了一种基于小波变换的单帧红外图像检测方法,将小目标检测问题简化为带通滤波的过程.该方法首先使用小波变换分解图像,直接舍去低频分量的背景,接着对提取出的三个高频成分分别进行小波分析,去除高频噪声,然后再对各高频分量进行重构,最后采用图像增强技术提高小目标灰度,进一步抑制干扰.计算机仿真结果表明,该方法能准确、高效地检测出小目标,并能克服一定的云层和建筑物干扰问题.     

基于小波的信息保持型雷场图像融合算法

介绍了一种基于多分辨率小波变换的雷场图像融合算法,并针对红外图像和可见光全色波段图像的各小波域高频分量分别采取局部加法融合处理,在最大程度上避免了融合过程中的信息丢失,提高了雷场融合影像的几何分辨率。实验表明：通过文中给出的算法模型可以在保持图像光谱信息的前提下有效提高图像的分辨率,能够充分利用雷场的多源遥感图像信息,是一种实用的信息融合模型。     

双色红外图像融合在目标检测中的应用

针对双色红外的图像融合特点,提出了一种基于在小波分解域中,在高频子带上采用区域能量测度融合规则,在低频子带上采用加权平均融合规则。首先,双色红外成像系统分别对中波和长波红外图像进行提升小波分解,提取出2幅图像的低频和高频信息,并采用不同的融合规则对低频和高频子带图像进行融合,然后通过提升小波反变化对各层系数进行重构,得到目标区域的融合图像。而后再通过小波软阈值化去噪,最后进行目标自动检测。通过实验对比证明,提出的融合规则更好地提高了目标的检测和识别概率。     

基于小波变换的红外图像过渡区提取算法

针对小波能量比在平滑的红外图像中提取过渡区存在误判的问题,提出用基于小波变换过渡区的算法。该算法通过小波变换将红外图像的低频和高频进行分离,对高频分量进行分析,构造方差,对方差进行阈值处理,重构过渡区,从而克服了小波能量比将红外背景误判为过渡区的不足。实验结果表明:本文算法提取出来的红外图像的过渡区具有很好的准确性。     

基于(A)Trous算法的红外序列图像中运动目标的检测与跟踪

主要研究了红外图像中运动点目标的检测及跟踪问题.在复杂背景下,根据小目标在红外影像中容易丢失的特性,利用Atrous小波变换对图像非抽取(变换后图像数据未损失)的优点对红外图像进行了背景抑制与增强.通过聚类分割算法分割出了可疑目标,并采用八邻域分析算法准确跟踪并提取出了运动小目标.试验结果表明,本文算法在对红外序列图像中的运动目标进行检测与跟踪时具有较强的实用价值.     

一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法。首先对图像进行分块小波变换，然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量，选取纹理特征最大的作为种子区域；最后利用均值聚类的方法进行目标标记。实验结果证明，能够检测红外和可见光图像中各种类型的目标。     

基于小波变换的清浊音分类及基音周期检测算法

该文提出了一种基于小波变换的鲁棒性基音周期检测方法.检测前在小波域上用Teager能量算子对语音信号进行清浊音判决,对浊音段采用空域相关函数提取基音周期.实验表明,与传统的小波变换算法和自相关法相比,该方法鲁棒性好,具有更高的准确性.     

基于小波包变换与RBF网络的大地目标辨识

利用正交小波包变换的高信号时频分辨特性引入小波包能量特征提取法，用于五类典型大地目标的特征提取和距离可分性测度计算。结果显示，小波包能量特征提取法提取的五类典型大地目标特征具有更好的可分性。将小波包能量特征提取法与径向基函数网络相结合，提出了一种大地目标辨识算法。仿真实验表明，对于分解层次m＝5，信噪比SNR≥0dB，五类典型大地目标能完全辨识。表明该大地目标辨识方法在一定条件下是可行的，具有强的抗噪声干扰能力。     

基于小波分解及KCN的雷达目标特征提取

讨论了利用一维距离像进行雷达目标识别的特征提取。从缩减表征距离像的特征维数和表征目标所需特征数出发，提出了一种基于小波分解及KCN的目标特征提取方法。为比较不同特征提取方法及所提取特征的性能，引入了Fisher距离来表明各类的类内紧致性和类间分离性。实验结果表明能够有效地进行特征提取。     

基于小波域和BP分类器的舰船目标的分类研究

利用小波变换处理水下舰船的辐射噪声,提取舰船辐射噪声的小波子带能量,作为目标特征,结合BP神经网络分类器,实现目标分类.通过大量的实验仿真验证,使用小波子带能量作为目标的特征,将BP神经网络作为分类器识别目标的分类方法是有效的,具有良好的工程应用前景.     

基于小波提升框架及小波能量的红外弱目标检测方法

针对图像序列中红外弱小目标的检测与跟踪中遇到的难点，即信噪比低、帧间相对位移小等问题，提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换，然后通过计算水平及垂直方向上小波能量并选取合适的阈值将目标提取出来，再结合目标的帧间相关性实现准确跟踪。由于新方法联合考虑了帧间信息及单帧的灰度信息，因而检测结果比常规方法更为准确可靠。试验结果表明，新方法对信噪比小于2、帧间位移小于一个像素的红外斑点目标的检测与跟踪十分有效，并且实时性很好。     

基于模糊测度的目标匹配算法

提出了基于模糊测度的目标匹配方法。利用复数小波变换图像．对得到的不同尺度、不同方向子频带的小波系数进行归一化，消除了光照和尺度变化对图像的影响．构造其纹理特征。采用循环移位方法构成匹配特征向量，根据特征分布的模糊隶属度确定各特征分量在相似测度中的权值。复数小波的多尺度、多分辨率等特性有效描述图像能量在不同尺度下、不同方向的分布特征。实验结果表明：当目标在背景中发生相对变化时，应用该算法能够有效匹配目标．其性能优于基于灰度相关匹配的方法。     

小波变换在毫米波雷达目标识别中的应用

将小波分析引入了毫米波这目标识别中，提出了基于小波分析的能量特征矢量法。该方法结合小波分析和毫米波信号的特点，克服了传统方法的局限，提高了毫米波雷达的目标识别性能，获得了仿真试验良好的识别结果，并具有简便高效的优点。     

基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于方向小波变换的SAR图像目标方位角估计

在合成孔径雷达(SAR)自动目标识别中,目标成像的方位信息是一个非常重要的特征。文中针对SAR图像特点,提出了一种基于方向小波变换的SAR图像目标方位角估计方法,给出了方向小波角度-能量谱公式,利用能量最大准则实现方位角估计。采用MSTAR SAR实测数据进行的实验表明本文方法是有效的,方向小波变换更能反映出目标图像的方位特征。     

基于多分辨率分析提取遥感光谱特征

利用子波变换的多分辨率分析方法，将遥感光谱分解为反映目标结构概貌的模糊信号和刻划目标结构细节的锐化信号。结果表明：对目标特征的分析，小波变换方法比FFT更为敏感。     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。