基于小波边缘提取的目标光学相关识别

为提高联合变换相关器对复杂背景图像的识别能力,提出了基于小波变换边缘提取的联合变换相关器。利用具有多尺度分析功能的小波变换工具对联合图像进行边缘检测,所提取的边缘图像能保留更多的细节信息,改善复杂背景下的目标识别能力。计算机模拟和光学实验结果均表明,用小波变换边缘提取的联合图像进行相关识别,能明显增强相关峰的强度,提高目标识别能力。     

基于小波变换的红外图像边缘提取研究

红外图像的边缘提取是其判读和识别的重要技术基础。红外图像背景复杂、噪声较为严重。针对这一特点，利用小波变换易于消除噪声、运算方便的特点，提出了一种基于小波变换的红外图像边缘提取算法。首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换，提取红外图像边缘特征。给出了仿真实例，证明了该算法的科学性和可靠性。     

基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

基于小波概率神经网络的彩色纹理识别

提出了一种将颜色信息融入到纹理识别中的新方法--基于小波概率神经网络的彩色纹理识别.首先将RGB彩色纹理图像转化为HSV彩色模型,用小波变换(WT)进行树形结构小波分解提取彩色纹理的特征,然后使用概率神经网络对测试样本进行分类识别.实验结果证明,该方法的识别效果比较好.     

基于PCA算法和小波包变换的人脸识别技术

在人脸识别领域,如何提取人脸特征和降低特征维数是关键.提出了一种基于小波包变换和主元分析相结合的人脸识别方法.小波包具有能够保留图像的主体信息又保留不同方向细节信息的优点.算法首先利用小波包变换,把人脸图像分解成不同尺度的低频和高频部分,提取最优基,再采用PCA方法进行人脸的识别.在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率.     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

小波变换在图像相关识别中的应用

光学图像识别具有广泛的实际应用价值,而联合变换相关器(JTC)是目前采用最多的一种进行图像相关识别的结构方式。将小波变换与联合变换相关技术有效地结合在一起,分析了如何采用小波变换来实现图像相关识别的理论方法,并提供了相应的结构框图,对采用小波变换用于图像目标识别的优点进行了概括及总结,并对该相关识别系统中所应采用的小波类型、滤波方式、滤波器的制作等多方面进行了介绍和分析。     

基于小波变换和规范型纹理描述子的人耳识别

 在带有角度的人耳图像上提取有效特征一直是人耳识别的难点.本文提出一种基于Haar小波变换和规范型纹理描述子的人耳识别方法,即先对人耳图像进行Haar小波变换,然后利用更加合理的规范型纹理描述子,同时结合分块与多分辨率思想,共同描述经Haar小波变换后人耳子图像的纹理特征,最后用最近邻分类器进行分类识别.实验结果表明,Haar小波变换可以有效增强图像纹理基元的有效信息;利用规范型纹理描述子提取特征不仅速度快,而且具有很强的鲁棒性,尤其与分块、多分辨率方法相结合时,效果更为显著,明显优于经典的PCA和KPCA方法.     

基于小波特征的单字符汉字字体识别

汉字图像不仅包含了汉字的字符信息,还包含了汉字的字体信息.字体信息是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.目前的字体识别方法还不能对单个汉字字符的字体进行识别.本文提出了一种新的字体识别方法,能够在不知道汉字字符的前提下,识别单个汉字的字体.首先对单个汉字的字符图像进行小波分解,在变换图像上提取小波特征.提取的小波特征经Box-Cox变换整形后,用线性鉴别分析技术(LDA)进行特征选择,得到字体识别特征.所使用的分类器是MQDF分类器.在包含7种字体的样本集上进行的实验表明,本文提出的方法能够在不知道汉字字符的前提下,对单个汉字的字体进行有效识别,基于单字的字体识别率达到97.35％.     

一种改进的含噪图像边缘检测算法

数字图像边缘检测是图像分割、识别等图像分析和理解领域中的重要基础。针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种基于小波变换和数学形态学改进的含噪图像边缘检测算法。该算法对含噪图像分别采取小波变换法和数学形态学法进行边缘提取,将所得图像进行小波分解,对高低频系数分别采取不同融合规则进行融合,通过逆小波变换得到融合图像。通过实验对比不同算法对含噪图像的边缘检测效果图,结果表明,该算法提取的图像边缘轮廓信息连续完整,在较大程度上能够抑制噪声,较好地保留了图像的细节信息。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于小波变换的目标边缘搜索分割方法

为满足目标识别实时性、抗噪声的要求,提出了利用小波变换的图像边缘搜索分割方法.用反对称双正交小波算子对图像进行小波变换,对小波变换模极大值进行启发式搜索检测边缘,得到目标边缘的链码表示.该搜索方法能较好地克服噪声干扰,边缘丢失时能通过在模值分布图中搜索找回边缘,增强算法的鲁棒性.实验结果表明,在同样平台下,使用该方法检测边缘能减少一般小波多尺度分析的计算量,计算速度与使用Sobel算子的梯度方法相当,且具有更好的抗噪声能力.该方法边缘连接良好率高,特征提取方便,综合提高了图像处理算法效率.     

基于小波和Zernike矩的标尺靶亚像素检测算法

为解决特殊环境下基于光电成像的高精度测量系统中的低照度含噪靶面高精度测量的难题,提出了一种基于小波变换和Zernike矩相结合的亚像素边缘检测方法.该算法首先对获得的低照度含噪靶面图像采用基于小波变换局部模极大值的方法进行抗噪声的粗级边缘提取和去噪处理,获得靶面图像的像素级边缘和具有边缘保持特性的无噪声靶面图像,然后通过在边缘区域内求取Zernike矩的方法进一步提高边缘检测的精度,使得边缘检测的精度达到亚像素级,以便进一步提高测量精度.试验和仿真结果表明:该算法能够在特殊环境下实现对低照度含噪靶面的高精度边缘检测和测量,检测精度达到0.2pixel,具有较强的工程应用价值.     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

基于联合变换相关的光学小波实时图像边缘增强

提出了一种基于联合变换相关的光学小波实时图像边缘增强的方法.选用Mexican-hat小波,利用小波函数的多分辨率特性,用联合变换相关的方法实现了缩放后的小波母函数与待识别图像函数的互相关(即边缘增强图像),得到了较满意的实验结果.     

基于高分辨率雷达的一种目标识别方法

在小波变换和Mahalanobis距离的基础上,提出了一种雷达目标识别方法.首先,对雷达回波信号进行小波变换,得到目标散射中心在一维距离像中的位置和峰值,从而得到一组由位置和峰值构成的点列.然后计算这些点的Mahalanobis距离,得到目标识别的特征向量,由此进行目标识别.仿真实验结果表明:该方法具有较高目标识别能力和强抗干扰能力.     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

基于小波变换的一种ISAR雷达目标成像方法

基于小波变换的性质,提出了一种ISAR雷达目标成像方法.通过对ISAR回波的横向数据进行Morlet小波变换,搜索小波变换模的极大值和对应的极大值点,得到目标的时间-距离-多普勒三维像,然后按时间点进行采样,得到目标的距离-瞬时多普勒像.由实验结果得出:运用此方法,不仅能够得到目标高分辨的距离-瞬时多普勒像,而且能够观测到目标的运动姿态.     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真，提出了一种基于平稳小波变换的图像去噪方法。使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘，如果小波系数被标记为边缘，则保持其系数不变，否则采用基于邻域的方法进行系数收缩。当噪声方差较大时，收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点，借助次大尺度高频分量将其去除，对处理后的小波系数进行平稳小波反变换得到去噪图像。实验结果表明，本文方法能够在去除噪声的同时较好地保持图像的边缘，是一种有效的图像去噪方法。     

用计算全息制作二维Haar小波变换滤波器的研究

提出了用计算全息制作三类Haar子波滤波器的方法。将一维Haar子波函数组合,将得到三种类型的二维Haar子波函数,利用这三类二维Haar子波可以分别对图像进行角、水平边和垂直边的提取。采用罗曼Ⅲ型迂回位相编码法对三类Haar子波函数进行编码,绘出计算全息图。为了提高全息图的质量,采用显示器分屏抓图的办法,将全息图分割输出。在4f系统中实现对二维图像的三类Haar子波变换,给出了提取二值图像特征的模拟结果。