基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

基于小波变换的图像边缘检测方法

基于小波变换的图像边缘检测,其图像平滑度与尺度增大成正比:尺度增大,高频受到强抑制,输出图像的信噪比提高,图像边缘平滑变粗,定位精度降低;反之边缘定位精度可提升.小波基函数的选取应保证检测精度,故用大尺度滤波器抑制原图像噪声.同时用小尺度滤波器为图像边缘精确定位,即依据边缘检测的小波母函数一般准则,构造二次B样条小波,并采用自适应阈值图像边缘检测法检测图像边缘.     

小波变换在目标图像多尺度边缘检测中的应用

介绍了小波变换及其应用于图像边缘多尺度检测的原理，并给出了构造小波函数的方法和相对应的滤波器系数。用一幅图像进行的仿真实验表明，基于小波变换进行图像的多尺度边缘检测相对于传统的Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子和Ｌａｐｌａｃｉａｎ算子检测图像边缘是一种较好的方法，而且对随机噪声也有较强的鲁棒性。为此进一步提出从多个目标中快速跟踪和识别指定目标的思想。     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

基于Haar小波变换的水下小型沉底人造目标分割方法

根据水下小型沉底人造目标在傅里叶变换处理中容易丢失原本就很少的细节特征、导致图像分割效果较差的问题,在统计分析图像目标特点的基础上,提出了用Haar小波变换对原始图像数据进行多分辨率处理以尽可能保留人造目标特征,然后在拟合指数型函数确定初始平滑区间的基础上,通过迭代的方式获得二值化阈值,根据图像中干扰物的特点提出了一种统计8邻域灰度信息的干扰抑制方法.利用前面得到的阈值进行二值化分割及一次中值滤波,就可得到较为满意的目标分割结果.     

小波变换在红外成像末制导中应用研究

主要研究了利用小波变换提高红外成像末制导对强杂波背景下弱小目标检测能力的方法．仿真结果表明,通过小波变换对目标图像信号实现频率选择和多尺度分解,能有效地抑制背景噪声,提高对目标检测概率,并且具有较高的单帧检测效率．     

基于小波变换的直升机声目标特征提取

简要地介绍了小波变换的原理和性质以及它在直升机声目标特征提取当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果,结果表明,利用本文所提出的信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

低信噪比红外图像的小目标检测

针对低信噪比,海空背景的红外图像中的弱小目标检测问题,文中提出一种基于高斯内核的自适应滤波方法,并将它应用于红外图像的背景抑制,在残差图像的均值、方差和信噪比这三项性能指标方面都有所改善.在此基础上,根据残差图像的信噪比,自适应的设定分割门限,分割红外图像中存在的可疑目标.实验表明,这种方法是有效的,且性能良好.     

基于小波变换的被动声目标识别的研究

首先简单介绍了小波变换,然后针对被动声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号某子空间上再进行频域变换(FFT)提取目标的能量特征参数,并以卡车、小轿车和人的脚步为例建立了目标小波变换声信号特征矢量库.     

基于小波变换的自适应Kalman 滤波算法研究

针对组合导航系统中Kalman滤波在实际工程应用中的不足,以惯性/卫星组合导航系统为背景,提出小波变换技术对量测噪声方差阵进行直接调控的滤波算法。介绍Kalman滤波原理,根据小波变换在时域和频域都有良好的局部化性质,检测量测噪声的变化,实时调整自适应因子,间接改变Kalman滤波器的当前观测和过去信息的比例关系。仿真结果表明:该算法对噪声干扰有较强的自适应性,能有效抑制滤波发散,提高系统的精度和鲁棒性。     

双树复小波和独立分量分析的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

Pautomatic Sea Target Detection Based on Wavelet Transform

An effective automatic target detection algorithm based on wavelet transform, which takes advantage of the localization and the orientation of wavelet analysis, is proposed. The algorithm detects the target in the vertical component of the wavelet transformation of the image. After mutual energy combination and sea clutter suppression through spatial weighting and thresholding, the target is located through maximum energy determination and its size is indicated through similarity measurement function of two overlapping windows. Experiment results show that the target can be detected by the algorithm in a single image frame and the better efficiency can be obtained also under the complicated backgrounds of existing the disturbances of cloud layer and fish scale light.     

基于小波变换的海面目标自动检测

利用小波分析优良的局部化能力和方向特性,提出了一种基于小波变换的海面目标自动检测算法,该算法在小波分解的垂直分量中进行目标检测,经过互能量交叉和海杂波抑制后,通过最大能量判决检测目标位置,并利用双窗口相似性度量函数标定目标大小。实验结果表明,该算法可以在单帧图像中检出目标,并且对存在云层、鱼鳞光等干扰的复杂海空背景也能取得较好的检测效果。     

Infrared Image Small Target Detection Based on Bi-orthogonal Wavelet and Morphology

An image multi-scale edge detection method based on anti-symmetrical bi-orthogonal wavelet is given in theory. Convolution operation property and function as a differential operator are analyzed,which anti-symmetrical bi-orthogonal wavelet transform have. An algorithm for wavelet reconstruction in which multi-scale edge can be detected is put forward. Based on it, a detection method for small target in infrared image with sea or sky background based on the anti-symmetrical bi-orthogonal wavelet and morphology is proposed. The small target detection is considered as a process in which structural background is removed, correlative background is suppressed, and noise is restrained. In this approach, the multi-scale edge is extracted by means of the anti-symmetrical bi-orthogonal wavelet decomposition. Then, module maximum chains formed by complicated background of clouds, sea wave and sea-sky-line are removed, and the image background becomes smoother. Finally, the morphology based edge detection method is used to get small target and restrain undulate background and noise. Experiment results show that the approach can suppress clutter background and detect the small target effectively.     

基于K-L变换的水下激光成像弱目标检测

为了解决传统利用人造目标和背景在几何构成上的差别,或者利用人造目标和自然背景在图像灰度上的差别检测人造目标的不足,针对获得的水下激光图像对比度低、目标尺寸小及背景复杂等特点.利用正交变换的去相关特性,提出了一种基于K-L变换的水下激光图像弱小目标检测与描述方法.实验仿真结果表明,此方法可实现低信杂比条件下水下激光图像弱小目标的有效检测.     

基于匹配傅立叶变换的超高速运动目标检测

超高速运动目标是现代雷达目标检测中遇到的新情况。建立了超高速运动目标的回波模型,分析了其对目标检测中脉冲多普勒处理的影响,并提出了基于匹配傅立叶变换的脉冲多普勒处理方法。针对回波模型的特点,提出了一种计算量较小、物理含义清晰、搜索范围针对性强的超高速运动目标检测的实现算法,并对理论分析进行了仿真验证。     

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

基于改进Focus的小目标检测技术

为解决深度神经网络模型小目标检测效果不佳的问题,对Focus结构进行改进,提出一种即插即用的轻量级结构Focus+。搜集相关图像并建立包含5类目标的军事小目标数据集,将Focus+插入常用的目标检测模型,使用不同尺度的输入进行了多组对比实验。实验结果表明：引入Focus+模块后,模型检测的平均精度均值平均提高了0.8 %,说明其能够在占用较少算力的同时提取到浅层网络的高分辨率特征,有效提高小目标的检测精度。