基于小波变换与图像增强技术的红外小目标检测

提出了一种基于小波变换的单帧红外图像检测方法,将小目标检测问题简化为带通滤波的过程.该方法首先使用小波变换分解图像,直接舍去低频分量的背景,接着对提取出的三个高频成分分别进行小波分析,去除高频噪声,然后再对各高频分量进行重构,最后采用图像增强技术提高小目标灰度,进一步抑制干扰.计算机仿真结果表明,该方法能准确、高效地检测出小目标,并能克服一定的云层和建筑物干扰问题.     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

基于小波变换与Retinex的电路板红外图像增强技术

电路板红外图像发热芯片区域的增强是红外图像故障检测系统中一项重要研究内容。针对电路板某些芯片的发热量小,芯片区域红外图像与背景差异弱的特点,为提高故障检测效率,设计了一种融合小波变换与改进的多尺度Retinex红外图像增强算法。首先,通过小波变换获得不同频率的子带图像;然后,利用多尺度Retinex算法对低频子带图像进行增强处理;对于高频子带图像,利用可变阈值去噪,引入图像清晰度参数,依据参数值对高频图像进行适度增强。最后,对处理后的高、低频图像进行小波逆变换与重构,实现电路板红外图像增强。对增强后的红外图像进行的定量以及定性评价表明：与单一的利用直方图均衡算法、小波变换法以及多尺度Retinex增强算法相比,本文算法改善了某些发热芯片区域红外图像对比度低且细节模糊问题,抑制了噪声,提升了电路板红外图像整体视觉效果。     

基于小波变换的红外成像海面小目标检测算法

文中研究海面少像素舰船红外目标的自动检测算法，针对红外图像噪声干扰大，舰船目标像素少，但存在相对连续的目标小块区域等特征，考虑采用小波变换的方法达到增强目标，抑制噪声的效果，对用小波变换处理后的图像，分析目标和背景部分的灰度对比度，用图像对比度的方法易检测出舰船小目标。     

基于小波变换与加权滤波的电机红外图像增强

电机异常运行会导致电机温度变化,红外图像像素点的灰度值反映了物体的相对温度高低,通过电机红外图像的亮度变化获得电机温度变化信号是一种较好诊断方法。但仅依靠红外热像仪获得的红外图像的对比度低、噪声较为严重,所以必须对图像进行增强处理。提出了一种基于小波变换与加权滤波相结合的红外图像增强算法,该算法能较好地保留图像的高频与低频信息,实验证明,该增强算法具有良好的图像增强能力和视觉效果。     

低照度短波红外图像增强算法

为了拓展非制冷短波红外探测器在弱光夜视观测方面的应用,开展了针对短波红外低照度成像的研究。提出了一种新的图像增强方法抑制图像噪声增强图像细节进而改善图像质量。使用3D降噪（3DNR（3D Noise reduction））算法,将多尺度高斯差分法结合边缘保持滤波器最大限度的分离图像高频信息与隐藏噪声,再针对图像进行自适应灰度映射。实验结果表明：该算法显著地抑制了在低照度下图像的时域噪声,丰富了短波红外图像的细节,改善了短波红外的夜视显示效果。     

基于小波变换方法的红外动目标检测

红外目标的成像跟踪是一种新的制导技术，它是以人工智能、图像识别、计算机技术和高分辨率传感技术为基础的。图像识别，或称为目标识别的关键是目前边缘的准确提取即目标检测。本文介绍一种基于小波变换方法的目标检测。小波分析技术近几年来取得了突破性进展，它可以把信号分解成基本的建筑块，对不同频率成分的时域取样步长可调，是一种多尺度描述信号的方法，在空域和频域都便于定位，因此小波变换可以表征信号的局部奇异性。     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来.通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标.     

基于离散平稳小波变换的图像同态增强

同态增强可用于减少光照不均匀引起的图像降质,提出了一种基于离散平稳小波变换的图像同态增强算法,对图像进行离散平稳小波变换后,对变换后的各个高频子带采用不同的同态滤波器进行增强处理,实验结果表明,提出的方法能有效地提高图像对比度,又能突出图像的细节部分信息,其效果优于传统的同态增强。     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

基于小波的同态滤波器用于图像对比度增强

同态增晰可用于减少光照不均匀引起的图像降质,并对感兴趣的景物进行有效增强,本文提出一种基于波波的同态增晰方法,采用一种高通滤波器对小波分解系数进行处理,处理后图像的局部对比度增强效果明显,又能较好地保持图像的原始面貌。     

基于模糊小波的图像对比度增强算法

针对传统的图像对比度增强方法存在的诸多问题,本文提出了一种模糊小波增强算法.首先,将低对比度图像进行规范化,选定一个确定小波对规范化后的图像进行小波变换,得到小波系数.然后,模糊化低通小波系数,再采用全局和局部信息进行调整.对高通小波系数,采用非线性运算进行调整.将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,并且很好的抑制了噪声,没有出现局部区域过增强或增强不足的现象.     

基于形态小波变换的低对比度图像增强算法

针对传统的图像对比度增强方法所存在的一些问题,提出了一种基于形态小波变换的图像增强算法.首先,将低对比度图像采用基于提升格式的形态Haar小波进行小波变换,得到小波系数,该小波变换实现结构简单,计算量低,并且有利于图像重要的几何信息在低分辨率空间中的保留.然后,对低频子带小波系数,采用直方图双向均衡方法进行调整,对高频子带小波系数进行基于软阈值滤波的细节系数增强,将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果.     

一种基于小波变换的图像增强方法

针对部分灰度图像分辨率和对比度低、噪声大、视觉特性差等特点,提出了一种基于小波变换和直方图均衡的新的图像增强方法。该方法将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,同时再辅以中值滤波去噪和同态滤波增强,从而在很大程度上克服了单一的直方图均衡化进行图像增强时会丢失图像细节信息、增强图像噪声等的不足。实验结果验证文中方法对图像的分辨率和对比度增强有很好的效果。     

基于小波变换的信号去噪

小波分析是现代数字信号处理的重要分支。为实现基于小波变换的图像去噪,以小波变换为基础,对一维信号及二维图像信号进行去噪。实验结果表明,基于小波变换的图像处理可以有效地去除噪声,与传统的信号分析技术相比,小波变换能在对信号进行消噪的同时,更好地保留原始信号。     

基于小波变换的图像融合技术研究

基于小波变换的融合算法形成了多分辨率融合算法的一个新的有用框架。由于人类视觉只对亮度信号的局部对比度敏感,提出了小波对比度的概念。图像经小波多分辨率分解后,依照小波对比度,定义变换系数邻域活性和系数匹配程度测度,按照系数匹配程度加权系数形成融合图像。将小波多分辨率分解和人类视觉对局部对比度敏感的特性优雅地结合在一起。     

基于小波重构和灰度分段的红外图像放大增强

传统的内插算法在放大红外图像时都存在着一定的缺陷,提出了一种基于小波重构和灰度分段变换的图像放大新算法.该算法先对原始图像进行小波变换获得高频系数,运用牛顿插值算法放大高频系数作为放大图像的高频成份,再将原始图像作为低频成份,进行小波重构,可得放大图像.为了增强放大图像,将图像按双灰度闽值分割成对应目标的灰度值高段、对应背景的灰度值低段和对应过渡区域的灰度值中段等3个部分,对各部分采用不同的线性变换,获得最佳的视觉效果.实验证明该方法在图像细节方面具有很好的放大效果.