基于NSCT的红外图像小目标检测技术

红外图像小目标检测是精确制导武器的关键技术之一。将小波或Contourlet多尺度分析用于红外小目标检测具有一定的局限性。无下采样Contourlet变换（NSCT）是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。提出了一种基于NSCT的红外小目标检测算法。该算法首先对图像进行NSCT变换;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间的距离,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,从而实现红外小目标的检测。与基于小波变换的红外小目标检测算法进行了比较。实验结果表明,该算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。     

一种基于运动边缘检测的参数估计方法

提出了一种基于多尺度运动边缘检测的图像序列参数估计方法。通过多尺度运动边缘检测,将图像的能量集中到边缘上,得到噪声污染小、边缘连续清晰的运动目标;并利用小波变换特征匹配方法,得到运动矢量。该方法既利用了空域帧内灰度信息又利用了时域帧间信息,能精确地估计目标的运动参数。     

基于对偶树复小波和MRF模型的纹理图像分割

基于对偶树复小波（DT-CWT）和马尔可夫随机场（MRF）模型提出了一种监督纹理图像分割算法，算法包括两个步骤，首先对复小波变换系数进行较为精确的建模，提取其一阶统计信息作为纹理特征，综合多个尺度的信息，基于极大似然标准进行初始分割；其次，将初始分割结果用MRF模型表示，基于贝叶斯最大后验（MAP）融合初始分割结果，得到最终的分割结果。算法应用于合成纹理图像和实际图像得到了良好的结果，对比实验表明算法所采用的纹理特征的提取方法、小波变换方式、用MRF模型来建模标号等是算法简洁有效的基础。     

基于SWT与等价空间的LDTV系统故障检测

为提高基于等价空间的线性离散时变（Linear discrete time-varying,LDTV）系统故障检测的检测性能,本文提出一种基于平稳小波变换（Stationary wavelet transform,SWT）与等价空间的LDTV系统故障检测方法.通过引入SWT对基于低阶等价关系构造的残差进行多尺度滤波,将残差产生器设计转化为不同尺度下的多目标最优化问题,保证了各尺度下残差对干扰鲁棒性和对故障灵敏性指标的最小化,同时利用SWT快速算法获得一组多尺度残差信号.进一步,对产生的多尺度残差信号进行多分辨率分析,从而实现较宽频率范围内故障信号的检测,有效降低了故障漏报率.最后,通过仿真实验验证了本文方法的有效性.     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

综合颜色特征与形状特征的图像检索算法

由于小波变换具有良好的局部特性与多尺度特性,能多尺度逼近边缘,这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。采用二次样条二进小波变换进行边缘检测,用边缘梯度方向直方图表示图像形状特征,用颜色直方图表示图像颜色特征,提出了综合颜色特征和形状特征的图像检索算法。实验结果表明,该算法不仅具有较好的检索性能,而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。     

基于小波变换与图割的彩色图像分割方法

为提高图割算法的分割效率与质量并改善shrinking bias现象,提出将图割理论与小波变换相结合的方法.该方法利用小波变换多分辨率分析的特点,将变换中的低频子带图像作为估计GMM参数的训练样本进行多尺度迭代分割,提高算法效率,利用简单高效的CS_LBP纹理描述子提取高频子带图像中的纹理信息,将颜色与纹理特征相结合改善分割效果,并利用高频系数进行多尺度边缘检测,用于计算局部自适应的正则化参数,改善对细长边界的分割.实验结果表明,分割效果得到了改善,算法效率得到了提高.     

基于小波变换的复合材料预制件花节长度测试研究

讨论了小波变换在复合材料预制件花节长度测量中的应用技术,建立了花节长度自动测量系统。该系统基于小波变换的多尺度分析,通过合理选择小波基,对预制件表面图象进行处理,可以得到理想图象的边缘信息。选用纹理模板,对处理后图象利用相关算法计算图象匹配点输出,再通过匹配点的距离可以测量预制件的花节长度。该方法与其他滤波方法的比较,证实了小波变换可以保持预制件图象的边缘特征。实验结果说明,该系统的测试结果与手工测量结果相吻合,从而还证实了小波变换用于复合材料预制件花节长度测量是可行的。     

基于小波-Contourlet变换的图像增强算法

小波-Contourlet变换能够良好捕获图像的方向特征和边缘信息.利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的图像增强算法,用非线性增强算子对变换的各子带系数做增强处理.并引入了循环平移消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结果表明,该方法有效增强了图像的边缘细节和纹理特征.     

基于灰度形态学与小波相位滤波的高分辨率遥感影像边缘检测

为了更好地获取高分辨率遥感影像的边缘信息,提出一种新的影像边缘检测方法。该方法首先利用主成分分析(PCA)变换获取影像的主要信息;然后采用symletsA小波对其进行分解,并用形态学算子对各尺度影像进行处理;最后利用小波相位滤波算法在同一尺度上进行相关性滤波以增强图像边缘,并通过OTSU算法进行分割获取其边缘信息。结果表明：与现有算法相比,该方法对边缘的定位更加精确,边缘检测效果更加明显。     

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

图像分割算法在胃溃疡图像上的应用

主要研究了对胃溃疡图像中溃疡轮廓进行精确提取的问题。首先要解决对胃溃疡图像进行图像分割时,复杂多变的背景噪音对分割效果的影响,利用小波变换的多尺度特性对胃溃疡图像进行边缘提取,获得不同尺度下的边缘提取图。通过不同尺度下的边缘效果和溃疡边界的连通性,将不同尺度下获取的边缘再次进行对比和提取,把降低噪音的影响和保持边界连续性有效的统一起来,得到效果更佳的边缘提取图。同时利用梯度矢量流模型将轮廓收敛至溃疡的边界上,并对轮廓内的面积进行计算得到溃疡的面积。计算结果显示,利用小波变换和梯度矢量流模型后得到的溃疡面积,已经能够达到临床医学的要求。     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.     

基于形状和纹理的图像检索

构造了Radon变换的不变量，提出一种新的基于形状和纹理的图像检索方法。对小波图像边缘提取Radon不变量作为形状特征，同时提取小波各频道能量作为纹理特征。然后将形状特征和纹理特征分别进行高斯归一化，计算图像形状和纹理的相似度。最后，利用形状和纹理相似度的加权和进行图像检索。试验结果表明该方法对噪声具有较强的鲁棒性，具有尺度、平移和旋转不变性。     

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。     

基于多尺度静态小波分解的改进型CFAR船只检测算法

SAR船只目标检测是实现海上安全监测的有效手段。由于在海杂波较为复杂的情况下,传统CFAR算法对于弱小船只检测效果不佳,本文提出了基于多尺度静态小波分解的改进型CFAR检测算法。首先通过实验选出最优小波基及最佳小波分解级数,再利用幂运算对经多尺度乘性增强的小波系数进行优化,以增强船只与海洋背景的对比度,从而运用简单的CFAR算法即可得到较好的检测效果。最后,以新型星载ALOS-PALSAR数据为例,通过与传统CFAR算法的对比实验,验证本文算法的有效性。实验表明,利用Sym2最优小波基的较强边缘检测能力以及小波多尺度乘性增强,双重强化了船只目标的边缘影像特征,并有效抑制了海杂波噪声,使得本文算法在提高检测率与降低虚警率两方面都优于传统CFAR算法,有利于高海杂波下弱小船只的检测。     

基于反对称双正交小波重构的图像增强方法

详细给出了基于反对称双正交小波重构的多尺度边缘检测方法的相关理论基础, 即推导了反对称双正交小波变换所具有的卷积运算性质; 分析了反对称双正交小波变换的微分算子功能; 提出了一种针对图像多尺度边缘提 取的小波重构算法. 在此基础上, 提出了基于反对称双正交小波重构的图像锐化增强方法. 首先对图像进行多尺度小波分解; 然后在小波重构中, 计算模值图和相角图, 提取各尺度边缘图像, 并根据边缘图像, 增强半重构图像的对应边缘点; 最后继续逐级重构,实现图像增强. 该方法在小波塔式分解数据的重构过程中有针对性地实现对图像边缘的锐化增强, 对图像增强和图像滤噪增强提供了一种新的解决问题的思路. 实验结果验证了 该方法的有效性.