基于形态小波变换的红外图像目标检测方法

文中提出了一种基于形态小波变换的海空背景下受强杂波、噪声污染的红外图像目标 检测算法。算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强的抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR) 为2 的目标,适用于舰载红外警戒系统。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

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。     

基于形态学图像融合的目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法。采用多尺度的形态算子对输入的图像进行并行滤波，既抑制噪声又能提取目标边缘细节。对并行处理后的图像进行基于树状小波帧变换的图像信息融合。仿真实验表明，该算法要优于传统的小波、中值滤波算法，适用于舰载红外警戒系统。     

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.     

海空复杂背景下红外弱点目标的检测算法

为第空复杂背景下红外弱点目标的检测,提出了基于小波变换模极大的检测算法,该算法通过计算小波变换模极大值求出图像中的所有奇异点,去除由复杂背景形成的模极大值链,消除云层、海浪及水天线等复杂背景,提高了单帧点目标检测能力,结果表明,余步坷检测信杂比为２的点目标。     

一种基于小波域的运动估计方法

提出了一种基于多尺度边缘检测(MED)与连续小波变换(CWT)相结合的运动目标估计方法。首先,利用多尺度边缘检测算法,得到抗噪性好、边缘连续清晰的运动目标边缘图像。然后,利用连续小波变换把目标序列图像映射到运动状态参数空间。该方法同时拥有MED和CWT的优良特性。实验表明,该算法是对旋转、遮挡和有噪等复杂运动目标进行运动估计的有效方法。     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

基于多尺度反锐化掩模的红外图像云层背景抑制

为检测强云杂波背景中的红外弱小运动目标,结合反锐化掩模理论,提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先,根据红外目标和背景杂波的特性,采用二代曲线波变换对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征,然后,根据目标和背景杂波子带系数的差异,通过应用反锐化掩模理论调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背,景的目的。实验结果显示,与最大中值（MMed）和二维最小均方误差（TDLMS）方法比较,该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。     

基于B样条小波多尺度积图像边缘提取技术

结合了B样条函数良好的逼近特性以及多尺度积算法的抗噪性能,来达到图像边缘检测的最佳效果。首先通过选择合适的小波滤波器对信号进行小波变换,之后通过相邻尺度的小波变换相乘得到尺度积,以检测出图像的模极大值,最后通过阈值滤掉伪边缘,得到图像的边缘信息。实验表明,该算法相比其他传统检测算子能有效地抑制图像噪声,并且图像边缘和细节信息的失真量小。     

Spatially adaptive wavelet-based multiscale image restoration

In this paper, we present a new spatially adaptive approach to the restoration of noisy blurred images, which is particularly effective at producing sharp deconvolution while suppressing the noise in the flat regions of an image. This is accomplished through a multiscale Kalman smoothing filter applied to a prefiltered observed image in the discrete, separable, 2-D wavelet domain. The prefiltering step involves constrained least-squares filtering based on optimal choices for the regularization parameter. This leads to a reduction in the support of the required state vectors of the multiscale restoration filter in the wavelet domain and improvement in the computational efficiency of the multiscale filter. The proposed method has the benefit that the majority of the regularization, or noise suppression, of the restoration is accomplished by the efficient multiscale filtering of wavelet detail coefficients ordered on quadtrees. Not only does this lead to potential parallel implementation schemes, but it permits adaptivity to the local edge information in the image. In particular, this method changes filter parameters depending on scale, local signal-to-noise ratio (SNR), and orientation. Because the wavelet detail coefficients are a manifestation of the multiscale edge information in an image, this algorithm may be viewed as an "edge-adaptive" multiscale restoration approach.     

Nonlinear multiscale wavelet diffusion for speckle suppression and edge enhancement in ultrasound images

This paper introduces a novel nonlinear multiscale wavelet diffusion method for ultrasound speckle suppression and edge enhancement. This method is designed to utilize the favorable denoising properties of two frequently used techniques: the sparsity and multiresolution properties of the wavelet, and the iterative edge enhancement feature of nonlinear diffusion. With fully exploited knowledge of speckle image models, the edges of images are detected using normalized wavelet modulus. Relying on this feature, both the envelope-detected speckle image and the log-compressed ultrasonic image can be directly processed by the algorithm without need for additional preprocessing. Speckle is suppressed by employing the iterative multiscale diffusion on the wavelet coefficients. With a tuning diffusion threshold strategy, the proposed method can improve the image quality for both visualization and auto-segmentation applications. We validate our method using synthetic speckle images and real ultrasonic images. Performance improvement over other despeckling filters is quantified in terms of noise suppression and edge preservation indices.     

基于小波变换多尺度积的图像融合算法

图像融合是图像处理中的关键技术之一。它在军事和民用图像处理领域获得了广泛的应用。提出了一种新的基于小波变换多尺度积的图像融合算法，小波变换多尺度积具有放大信号边缘特征和降低信号噪声的特点，有利于在融合图像中保持图像的细节特征。利用统计分析的评判准则，如熵、标准偏差评价图像的融合效果。实验结果表明该方法提高了图像的熵和标准偏差。在保留原图像信息的情况下增强了融合图像的细节信息。     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

Noise reduction for magnetic resonance images via adaptive multiscale products thresholding

Edge-preserving denoising is of great interest in medical image processing. This paper presents a wavelet-based multiscale products thresholding scheme for noise suppression of magnetic resonance images. A Canny edge detector-like dyadic wavelet transform is employed. This results in the significant features in images evolving with high magnitude across wavelet scales, while noise decays rapidly. To exploit the wavelet interscale dependencies we multiply the adjacent wavelet subbands to enhance edge structures while weakening noise. In the multiscale products, edges can be effectively distinguished from noise. Thereafter, an adaptive threshold is calculated and imposed on the products, instead of on the wavelet coefficients, to identify important features. Experiments show that the proposed scheme better suppresses noise and preserves edges than other wavelet-thresholding denoising methods.     

一种自适应多尺度积阈值的图像去噪算法

该文提出了平稳小波变换(Stationary Wavelet Transform, SWT )域自适应多尺度积阈值的图像去噪算法(SWT domain Multiscale Products, SWTMP)。与传统的阈值去噪算法不同,该阈值不是直接作用于小波系数,而是作用于小波系数的空间多尺度积。分析了SWT域含噪图像多尺度积的特点,提出了SWT域自适应多尺度积阈值的计算方法。多尺度积强化了图像的重要结构信息,弱化了噪声,在有效去噪的同时更多地保留了图像的边缘和细节。实验结果表明,所提算法对自然图像去噪后的视觉效果和性能指标均好于二进小波域多尺度积阈值(Adaptive Multiscale Products Thresholding, AMPT)去噪方法。     

一种改进的医学图像边缘检测算法

医学图像边缘检测是医学图像处理领域的核心技术之一,寻求既能精确定位图像边缘,又能有效抑制图像噪声的算法一直都是医学图像处理领域的热点和难点。结合小波分析理论,在经典边缘检测算法的基础上提出了一种改进的基于小波分解的医学图像边缘检测算法。算法的实质就是在图像边缘检测前利用小波分析理论对图像进行特定的预处理。实验结果证明,此算法的性能要优于经典边缘检测算法的性能。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。     

基于全向小波和Hausdorff距离的边缘检测

针对传统小波变换对含噪图像边缘检测的不足,结合全向小波和Hausdorff距离的知识,提出了一种改进的边缘检测算法.首先,对图像做全向小波变换,同时做改进的灰度图形态学处理;然后在一定的窗口下求处理后图像间的Hausdorff距离,并将其大小作为图像边缘检测的像素值.最后将该算法与Sobel算法、Canny算法做比较,实验结果表明该方法提取的边缘清晰度优于其他方法,且可以很好地抑制噪声.