基于轮廓小波变换的多尺度图像融合

本文提出了一种基于轮廓小波算法的图像融合方法,并将该算法与小波算法进行比较,仿真结果表明,该方法能够得到很好的图像融合结果,结果具有很好的视觉效果,其信噪比要高于基于小波算法的方法.     

基于小波变换的图像优化镶嵌研究

在图像辅助导航中，针对航空图像数据量巨大的特点，进行多种优化改善算法，提出了图像边缘局部最大模作为匹配特征的理论，通过多分辨分析图像融合技术消除图像间的冗余，并把它们合成为一幅无接缝、无畸变的、大区域图像。     

基于小波变换的遗传算法在红外图像目标识别中的应用

针对目标识别技术研究现状,提出了基于小波变换的遗传算法在红外图像目标识别中的应用问题.其中简要介绍了小波的特点,重点描述了基于小波变换的遗传算法在目标识别中的应用原理、应用方法,并给出了相应的应用实例,为解决目标识别问题提供了一种新的思路.     

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.     

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.     

基于小波分析的信噪分离方法研究

在简要介绍小波变换概念及特点的基础上,提出根据有用信号和噪声信号小波变换的不同特点.结合Mallat分解与重构算法,对信号进行小波变换分析的方法.通过对一受噪声污染的正弦信号的检测可知,选取合适的基小波和分解层次,能有效的实现信噪分离.     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

一种基于小波变换的电视图像分割方法

研究了一种基于B样条小波变换的自动阈值分割算法.提出基于灰度统计特性的直方图移动平均法,从而有效地消除噪声对图像的影响,使图像直方图更加光滑.运用B样条小波变换快速算法,大大减少了计算量.基于小波变换多分辨分析的策略,提出一种多尺度小波变换分割方法,进一步提高了分割精度.通过对算法仿真研究,验证了本算法的可行性及有效性.     

基于复数小波变换的三维地形轮廓匹配算法

针对地形特征对方向选择具有差异性的特点，提出了一种新的三维地形轮廓匹配算法．利用复数小波变换的六个可分的正负方向频带，提取地形六个不同方向的特征信息．在不同尺度下，通过六个带通复值分量，实现了由粗到精的金字塔式分层匹配．最后，仿真结果表明，合理选取匹配策略后，该算法具有较强的鲁棒性和较好的快速性．     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

小波变换去噪方法在声目标识别系统中的应用研究

简要介绍了小波变换的原理和常用的几种去噪方法，并对这些方法的去噪性能作了简单的比较。通过比较提出了一种适合于被动声目标识别系统的去噪方法。该方法运算量小，去噪效果明显，这对于改善声目标识别系统的抗噪性能是十分有意义的。     

基于子波变换和神经网络的直升机目标识别技术

在分析直升机噪声特性的基础上，利用子波变换对直升机所辐射的噪声信号进行特征提取，并采取ＢＰ网络分类器，成功地识别了干扰背景中的直升机目标，实际数据处理的结果证明了该方法的有效性。     

基于图像处理的火焰监视控制系统

基于图像处理的火焰监视控制系统,由摄像头、A/D卡、计算机、火焰控制设备构成.用DS-400xM D/A卡采集图像,通过Lapalace算子检测边缘.摄像头将摄取的火焰图像信号送入图像监控系统,经D/A处理后实时显示并将压缩视频数据存储.图像监控系统按时间间隔从连续数字视频流中提取单帧数据,转存为BMP文件.系统对实单帧图像数据阈值分割处理后,由DCS再根据输入信号做出判断,当达到最大输出值尚不能控制火焰时进行报警.     

基于小波包自组织神经网络的图像数据融合

基于小波包与模糊自组织特征映射神经网络的图像数据融合,将图像在小波包最优基下展开,利用小波包最优基空间、尺度定位性提高分辨率,获得更好的去噪效果;再采用具有很强聚类功能的自组织特征映射网络进行图像数据的聚类;最后通过计算图像像素点的灰度均值来得到图像数据的融合结果.     

基于小波滤波及相关分析的激光光幕破片测速信号数据处理

针对激光光幕战斗部破片测速中信号噪声起伏大和无法自动判读的问题,提出了基于小波分析和相关算法的激光光幕破片测速信号自动识别与处理方法。该方法基于离散小波变换的带通滤波性质和多分辨率分析,联合小波阈值去噪方法,对破片过靶信号进行小波滤波;结合波峰检测获取各破片过靶的特征点计时时刻,根据同一破片飞行穿越前后光幕所捕获信号的相关性对各破片波形的归属进行自动识别和数据处理。通过对12组战斗部静爆现场采集到的波形进行处理,研究结果表明：该算法能够很好地滤除激光光幕破片测速信号中的高低频噪声,破片特征点的拾取率为96.9%,破片波形的归属识别率为87.2%.     

S变换相对谱熵及其在液压泵退化状态识别中的应用

为更好地表征液压泵的退化状态,对液压泵退化特征提取方法和退化状态识别方法进行研究。基于S变换分析非平稳信号的优异能力以及相对熵较好表征振动信号概率分布差异的特性,提出S变换相对谱熵的液压泵退化特征提取方法,对液压泵仿真信号分析结果验证了所提出的S变换相对能谱熵和S变换相对奇异谱熵作为退化特征的有效性和可行性。将两个特征指标组成退化特征向量,对滑靴磨损和松靴故障模式下不同故障程度的液压泵振动信号进行分析,进一步验证所提出的特征指标作为液压泵退化特征的有效性。将加权灰关联法用于液压泵退化状态识别,建立了液压泵的标准退化模式矩阵,对两种故障模式下液压泵待检测样本的退化特征向量和标准模式矩阵做加权灰关联分析,根据灰关联度的大小判定液压泵的退化状态,结果验证了所提出方法的良好性能。     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

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.