基于静态小波分解的多尺度SAR图像滤波

由于雷达回波的相干性，合成孔径雷达（SAR）图象上存在着斑点噪声，因此，为消除这种噪声，提出了一种基于静态小波分解的硬阈值滤波方法，该方法首先将SAR图象分解至静态小波域，然后在静态小波域中将噪声的小波系数收缩至零，将此算法应用于ERS－1 SAR图象斑点噪声滤波，并与基于Mallat分解的滤波算法和另外3种典型的SAR图象滤波算法进行比较，结果表明，该方法不仅可以有效地去除斑点噪声,并且可以保持SAR图象的精细纹理结构。     

基于静态小波分解的多尺度SAR图象滤波

由于雷达回波的相干性 ,合成孔径雷达 (SAR)图象上存在着斑点噪声 ,因此 ,为消除这种噪声 ,提出了一种基于静态小波分解的硬阈值滤波方法 ,该方法首先将 SAR图象分解至静态小波域 ,然后在静态小波域中将噪声的小波系数收缩至零 .将此算法应用于 ERS- 1SAR图象斑点噪声滤波 ,并与基于 Mallat分解的滤波算法和另外 3种典型的 SAR图象滤波算法进行比较 ,结果表明 ,该方法不仅可以有效地去除斑点噪声 ,并且可以保持 SAR图象的精细纹理结构     

基于SAR图像的自动船只检测模型与算法实现

船只检测是实现船只航行安全的重要方法之一,利用SAR图像可实现船只检测。本文论述了海上船只检测的方法、过程及相应的算法。根据实际检测多位于存在陆地和岛屿的近海图像,利用分形维作为海陆分割的阈值,采用改进的分裂合并算法进行分割,并利用轮廓跟踪及种子填充消除分割遗留的孤立区域,使得海陆分割达到了较好的效果。在比较、试验的基础上,船只检测中采用了改进的CFAR算法,依据视数的不同选择不同的杂波模型,既消除了杂波模型参数计算复杂性,又取得了较好的时效性。通过试验证明,本文提出的算法在实际检测中取得了较好的效果,识别率高、虚景率低且实时性好。     

基于静态小波分解的多尺度机加工表面图像滤波

由于在机械加工过程中机械振动和噪声回波的相干性,机加工表面图像上会存在白噪声,为了削弱这些噪声的影响。提出了一种基于静态小波分解的自适应阈值滤波方法,该方法首先将机加工图像分解至静态小波域,然后在静态小波域中将噪声的小波系数收缩至零,将此基于Mallat的静态分解滤波算法应用于机加工图像白噪声滤波,并与另外三种典型图像滤波算法进行比较,结果表明,该方法不仅可以有效的去除噪声,而且还可以保持图像的精密纹理结构。     

关于CFAR检测的一个VLSI算法

雷达恒虚警率检测有重要实用价值，为大幅度提高检测速度，以满足某些民政部下的处理要求，本文提出了一种关于ＣＦＡＲ检测的ＶＬＳＩ并行算法，其计算结构是线性阵列，它采用流水线并行方式处理输入信号，每个信号的处理时间为０（１）。     

基于SAR图像目标检测的优化CFAR检测器算法研究

在目前的SAR目标检测中CFAR检测器被广泛的应用,而对相同或不同分辨率的图像,优化的CFAR检测器可以作为无偏检测。本文对优化的CFAR．检测器进行了研究。     

基于CFAR海上溢油检测研究

在SAR图像处理的基础上,提出一种新的基于恒虚警率( CFAR-Constant False Alarm Rate) 技术,确定SAR 图像中检测溢油整体阈值的方法。该方法采用高斯分布(正态分布) 作为SAR 图像灰度的概率密度函数,由CFAR 技术直接导出用于检测海上溢油整体阈值的计算公式,进行虚警去除。该算法避免了复杂公式迭代和求解形状参数计算过程,也避免了用二分法寻找阈值的循环解算过程,提高了检测速度。使用ENVISAT图像对该算法进行检验,结果显示所提出的算法在检测精度和检测速度上都有明显的改进。     

基于小波分解的多尺度PCA周期性攻击检测算法

在工业控制网络中任何异常入侵行为都直接影响现场控制与决策,工控系统的安全检测迫在眉睫;工业控制系统中存在正弦波攻击,三角波攻击和方波攻击等周期性入侵攻击,这些攻击隐蔽的分布很难被检测出来并且会造成机器的磨损,目前针对该类攻击检测研究较少;针对以上问题,首先采用小波分解把数据分解到各个尺度上,然后采用主成分分析进行局部检测,最后把各个尺度的主成分分析组成一个包含各尺度信息的综合主成分分析模型;通过在公开数据集及自建数据集的周期性攻击实验结果表明,采用该算法比采用单独主成分分析算法进行攻击检测的整体准确率提高7.4％.     

一种子视相干优化的极化SAR船只检测方法

针对传统单极化SAR船只检测能力不足的问题,提出了一种基于极化SAR图像子视相干的方法来检测船只。该方法在船只和海杂波SAR子视图相干程度分析的基础上,通过调整全极化SAR图像数据的最优极化状态得到3个优化的相干参数,并由此定义了一种最优相干积参数。由于该参数可以保留相干目标(即船只)的强度和相位,因此能够极大提高目标与背景之间的对比度,从而改善后期的目标检测性能。最后,采用机载极化SAR数据来评估本文方法,其试验结果表明,该方法能充分利用目标的极化特征以及子视相干性信息,显著提高了船海对比度,实现了船只检测性能的改进。     

基于α稳定分布的SAR图像目标检测算法

在SAR图像目标检测中,分布模型与杂波的拟合精度对基于统计模型的CFAR(constant false alarm rate)检测算法性能有着重要的影响。在极不均匀区域,由于存在着大量的强脉冲干扰,使得常用的分布模型的拟合精度都有所下降。基于广义中心极限定理的α稳定分布能对强脉冲干扰现象准确地建模,对各种性质区域的杂波都有较好的适应性。本文对基于α稳定分布的SAR图像目标CFAR检测算法进行了研究,给出了参数估计、标准模型变换及检测阈值确定等关键步骤的实现方法。对实际数据的处理表明,该算法具有较好的检测性能,能达到较高的检测率和较低的虚警率。     

基于静态小波变换的提升框架分解

静态小波变换的最大优点是具有平移不变性。该文基于小波变换的多相表示,利用多采样率滤波器理论中上(下)采样算子与滤波器的等效易位关系,提出了将传统的静态小波变换由懒惰小波变换经过有限步交替的提升和对偶提升结构来实现的方法。由于提升框架容易实现逆变换,故在处理边界中具有更大的灵活性。分析表明,与标准算法相比,通过提升分解,可减少一半计算量。     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

基于平稳小波变换的图像融合算法

针对IHS（intensity,hue．saturation）融合算法的光谱畸变和正交小波变换融合算法的方块效应问题,提出了一种基于平稳小波变换的图像融合算法,并且探讨了在图像处理中应用灰色系统理论的可行性和有效性。该算法结合IHS变换,对于图像平稳小波分解的高频分量利用灰色关联分析准确、有效地检测出有用的边缘信息,并在确定融合权值时,给予不同的重视程度。实验表明,本文算法能够克服正交小波变换在图像融合中出现的方块效应问题,在保持光谱信息方面具有显著的优越性,并且能够有效提高融合图像的空间分辨能力,又由于新算法引入灰色关联分析进行像素分类,具有良好的抗噪性和可控边缘信息量等优点,使算法灵活、有效,进一步改善了融合图像的质量。     

基于小波变换的低信噪比雷达回波快速检测法

根据二进小波变换对信号分解的形式与特性,给出了信号在小波域中广义子波能量的定义,并利用子波变换的多尺度分解特性构造出广义小波能量积累器。在此基础上设计出一种直接利用广义小波能量积累对低信噪比雷达回波信号进行检测的快速算法。仿真实验结果表明,该检测算法对强白噪声及强声背景下的低信噪比信号检测比较有效,对背景噪声具有较好的自适应性,且该检测算法设计简单,执行速度快,可靠性高。     

一种改进的小波变换方法对喇曼光谱去噪

根据喇曼散射信号比较弱的特点,应用一种改进的小波阈值去噪方法对喇曼光谱进行去噪处理.通过酒精的喇曼光谱为实验,该方法能够避免软硬阈值法的缺点,能够发挥小波去噪的优点,重构光谱图失真小,能很好地抑制噪声,又保留喇曼光谱的细节信号,改善小波去噪的效果.     

基于平稳小波变换的掌纹特征提取与识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取。论文基于图像的多尺度分析的思想,提出了一种利用平稳小波的局部极值点来提取掌纹特征的方法。文中利用平稳小波变换,对图像进行不同方向的滤波,然后提取各方向的极值点并融合作为特征点。并以此为基础进行不同掌纹的匹配识别。     

多尺度自适应恒虚警率(CFAR)自动检测与重构多方位SAR图像中不同尺度目标物

提出一种多尺度自适应恒虚警率(CFAR)检测方法,用于SAR图像中城区环境不同尺度目标物的自动检测,同时完成对目标物尺寸大小的估算。以目标物几何尺度及其成像位置作为依据,实现不同方位飞行的SAR对同一景物的图像上目标物像的自动匹配,以相对飞行机载PI-SAR图像为例,检测机动车目标和建筑物（群）目标,并实现该两类目标物景象的立体重构。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

数字图像水印嵌入和提取的平稳小波变换方法

提出一种基于离散平稳小波变换的变换域的数字图像水印嵌入和提取算法。本算法先将数字水印图像进行置乱变换(Arnold变换),然后将置乱后的水印图像嵌入到平稳小波变换后的图像中,最后将提取出的水印图像进行Arnold反置乱变换得到原始水印图像。由于本算法选择了合适的水印嵌入位置,实验结果表明,该算法不但使水印具有很好的不可见性,而且所嵌入的水印对一般的图像处理如噪声、滤波、旋转、压缩等有很强的鲁棒性。