基于小波变换的复杂航空图像的边缘提取

提出了一种基于小波变换的复杂航空照片的目标边缘自动提取的新方法。该方法利用了小波变换，因而具有良好的噪声抑制能力及完备的边缘保持能力，在计算机自动判读系统的目标边缘提取中有效可行。     

空间目标跟踪技术中应用小波变换的探讨

介绍了小波变换的特点及其在图像边缘提取中的意义,说明了扩展目标用小波变换进行目的形心计算的详细步骤,并以收音机图像为目标在不同图像模糊程度及背景噪音情况下用小波变换进行了目标形心坐标提取,比较了不同图象模糊程度及背景噪音情况下目标形心坐标提取的精度,展示了小波变换在扩展目标跟踪技术中应用的前景。     

小波变换在图象边缘提取中的应用

详细介绍了小波变换在图象边缘提取中的优越性，在参考大量文献的基础上，小结中出常用于边缘提取的小波函数及其提取的边缘的方法与效果。得出在图象边缘提取中高斯函数一阶导数是一种常用的且较有效的小波函数最后给出用高斯函数一阶导数对静态物体边缘提取的计算机模拟。     

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题.实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果.     

双正交小波矩阵

本文引进了双正交（半正交）小波矩阵及对偶的概念。讨论了这些矩阵的一些性质，尤其是给出了利用小波矩阵的元素将离散函数展开为级数形式的结果，进而建立了半正交小波矩阵与［８］中正交小波矩阵，双正交小波矩阵与对偶双正交小波矩阵的关系。最后举例说明了本文引进双正交（半正交）小波矩阵及对偶概念和方法的合理性。     

基于小波变换的海面背景红外小目标检测方法

采用基于正交小波分解的多分辨率分析实现频带选择,抑制噪声和背景杂波;检测图像的水平和垂直方向边缘,确定海天线和目标潜在区;利用不同方向边缘进行融合,除去大量背景干扰而获得目标候选点;检测候选目标点的灰度值,确定阈值排除虚警点并分割目标。实验结果表明,该方法能检测复杂海面背景中的舰船红外小目标。     

一种基于小波变换的角点提取方法

提出一种新的基于小波变换的角点提取方法。它利用在几个尺度上小波变换模极大值和曲率理论提取角点。理论和试验结果表明 ,本算法对于角点的提取和定位都是有效的     

斑点状多目标的实时提取

基于图像的特点,本文提出了一种软硬件结合的斑点状多目标提取方法。这种方法的基本思路是在扫描过程中用硬件对图像进行初步处理,提取出有效信息,然后由高速数字信号处理器完成复杂的比较、连接和计算。本文讨论了这种方法的过程以及实现时采用的数据结构,给出软件实验结果。     

双正交小波变换多分辨率图像融合方法

为了避免常规正交小波变换所引起的图像边缘失真,特别采用了双正交小波变换进行图像的多分辨率分解。在融合处理时,为了获得更丰富的细节和更好的融合效果,对不同分解层、不同方向上的高频分量以及同一分解层图像中的不同区域均采用不同的融合算子。实验结果表明,该融合方法和融合规则是十分有效的,融合后图像的边缘和纹理细节都更加突出。     

经验小波变换-同步提取及其在滚动轴承故障诊断中的应用

为了准确诊断轴承故障并探究故障信号的时变特性,提出了一种基于同步提取变换(Synchroextracting Trans-form,SET)和经验小波变换(Empirical Wavelet Transform,EWT)的轴承故障诊断方法.对故障信号进行经验小波变换分解,把分解得到的若干个经验模态进行同步提取变换,将所...     

采用小波能量方法的海空背景中多目标检测与跟踪

多目标跟踪往往是在复杂的自然背景当中检测若干个弱小机动目标。根据自然背景和弱目标的频率特性,提出了一种基于小波变换的小波能量检测目标的方法。目标在水平、垂直两个方向上的小波能量要远高于背景。再经过自适应域值选取,将目标和背景分割开来。用分类法计算每个目标的形心,根据相邻几帧各目标形心,可用扩展卡尔曼滤波器来估算下一时刻各目标的位置和速度。经仿真实验证明,该方法能够检测出海、空等自然背景中多个弱小目标,扩展卡尔曼滤波权值á和a取为0.8时,目标横、纵坐标误差小于1个像素,速度误差小于1个像素/帧。     

利用小波边缘增强的可靠性匹配方法

为提高景像匹配的可靠性,提出了一种基于小波边缘增强的可靠性匹配方法。采用四阶中心B样条小波对实时图和基准图进行小波分解和边缘增强,以提取可靠的边缘特征。在粗尺度上基于小波边缘增强图进行相关匹配,选择相似度曲面上前5个峰值点作为候选匹配点,保证正确匹配点可以包含在候选匹配点中。对实时图进行旋转校正,利用候选匹配点处的局部灰度特征确定边缘提取的双阈值,应用形态学连接算子来获得二值边缘图,再进行相关匹配,筛选出正确匹配点。在细尺度上获得精确的定位点。应用该方法进行匹配实验,其匹配概率比基于小波二值边缘提取的匹配算法提高了6.95%。     

一种弱小目标的自适应搜索方法

针对成像跟踪系统中弱小目标搜索定位的难题,提出了一种新的自适应搜索算法,即利用全局寻优的自适应遗传算法搜索目标,以目标的多特征融合信息作为最佳定位的判断准则和适应度函数。实验结果表明,该方法不仅提高了检测精度,也改善了跟踪算法的稳定性和智能策略。     

Canny准则小波边缘检测在图像融合中的应用

提出了一种新的图像融合方法。该方法选择Canny准则作为边缘检测的基础,并结合小波变换算法,确定图像边缘位置。在小波域中,对高频信息依据其是否为边缘点采用不同的融合策略,对低频信息利用加权法进行融合,再进行小波逆变换重构融合图像。实验结果表明,提出的算法在抑制噪声的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。对于多聚焦图像的融合,偏差度为0.0520,熵为7.6609,相似度达到0.9985。     

Gabor小波目标特征提取和跟踪方法的研究

为了解决目标在发生旋转、尺度及平移等几何变形时的自动跟踪问题,提出 Sobel 边缘检测与 L-M 优化结合的 Gabor 小波目标提取与跟踪方法。该方法自动寻找目标的小波特征点,在跟踪过程中不断优化特征模板的旋转、尺度以及平移等几何变形参数,使得小波特征向量值在最小平方和意义上与初始值相匹配,实现目标跟踪。实验结果表明,该算法能够有效地提取目标特征,在目标尺度变化达到 50%,角度变化 10o,旋转 90o等不利条件下实现了可靠跟踪。     

Airplane extraction and identification by improved PCNN with wavelet transform and modified Zernike moments

At an airport, the information of the number and positions of airplanes is very important for the applications of air navigation. Especially, the information from airplane extraction and identification is significant in both civil and military remote sensing. In this paper, according to the characteristics of airplanes and airport in satellite remote sensing images, a new airplane image segmentation algorithm is proposed based on improved pulse-coupled neural network (PCNN) with wavelet transform, and airplane identification algorithm is carried out by using modified Zernike moments. Firstly, for an original image, a PCNN model is improved and then used to do image segmentation by combining the wavelet transform. Then, in order to reduce the number of irrespective targets in the image and increase the processing speed, the airplanes in the original image are roughly detected on the characteristics of the segmented object contour geometries. Finally, the Zernike moments are modified and then applied to identify the roughly detected airplanes accurately. By comparing to the five traditional image segmentation algorithms for the same airplane images, the testing results show that the improved PCNN image segmentation algorithm can segment and detect airplane regions at an airport accurately at a high recognising rate and with high recognising stability, and it is not affected by the image shadows and rotations.