小波变换和数学形态学在红外图像检测中的应用

红外图像的检测、识别和跟踪技术是当前精确制导领域研究的关键技术之一。文章从处理技术的角度，将适合于红外图像的目标检测技术以分割为基础分为基于数学形态学、小波变换、神经网络和模糊数学几类，重点综述了基于数学形态学和基于小波变换的目标检测技术的研究现状和发展趋势。     

基于小波变换和数学形态学的遥感图像边缘检测

由于遥感图像一般带有较大的噪声，通过实验表明，用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合数学形态学的方法，提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法。实验表明本算法计算有效，边缘定位准确，对噪声有一定的抑制作用，边缘检测效果明显。     

基于小波变换与数学形态学相结合的玻璃瓶图像边缘检测

将小波变换与基于多结构元素的数学形态学相结合的方法应用到玻璃瓶图像边缘检测中。首先利用小波变换的原理对图像做增强处理,然后利用基于多结构元素的数学形态学方法对处理后的图像进行边缘检测,最后通过实验验证方法的有效性。     

基于小波变换和数学形态学的激光成像雷达图像边缘检测

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响雷达系统的精度和性能。针对激光雷达图像的特点,提出了一种基于小波变换和数学形态学方法结合算法对激光成像雷达图像进行边缘检测。首先从小波理论出发,从小波多尺度分解入手,对图像分解的弱边缘信息适当加强,然后对加强边缘信息的的图像从灰度形态学的角度出发,对图像进行腐蚀或膨胀,进行边缘提取,而后得到其边缘。用Matlab进行仿真实验,结果表明:结合算法边缘算子对激光雷达图像检测效果优于仅用小波或仅用形态学进行边缘提取的效果;在边缘精度、强弱边缘提取和噪声抑制方面,证明所提方法是有效的。     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。     

基于小波变换的海面红外小目标检测

本文提出了一种基于小波多尺度分析的海面红外目标自动检测方法.在分析海空场景图像特征的基础上,利用小波多分辨率分析和小波变换良好的局部分析特性,研究了图像预处理和目标检测的小波分析方法.通过实验证明本文提出的检测算法在各种复杂的海空背景以及不同环境干扰下有较好的检测效果.     

基于小波变换和形态学的医学图像边缘检测

针对传统边缘检测算子对噪声敏感的缺点,结合小波阈值去噪和形态学边缘检测提出一种改进方法。首先对含高斯噪声的图像进行小波分解,然后再通过小波阈值法对高频系数进行处理,采用新设计的双结构形态学边缘检测算子对低频系数进行处理,最后用新系数重构出图像。实验结果表明:这种方法在去除噪声的同时较好地保留了边缘轮廓信息,是一种有效的边缘检测方法且具有实际参考价值。     

基于小波变换的海空背景下小目标检测研究

小目标检测问题是电视跟踪领域的一项关键技术,针对海空背景下少像素的舰船目标,根据其背景不均匀以及海面噪声干扰大,舰船像素少,但是存在相对连续的目标小块区域的特征,用一定尺度的小波变换对不同子带自适应选取阈值来去除噪声干扰、抑制背景,同时结合灰度形态学滤波能很容易地检测出小目标.实验结果表明:该算法能够有效地检测出强噪声和背景干扰情况下的舰船目标.     

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.     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点,设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明,该算法能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统的实时性要求,是一种有效的红外灰度图像小目标检测算法。     

基于小波变换和改进Top-Hat滤波的红外小目标检测

提出了一种基于小波变换与改进Top-Hat滤波的有效地红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个分量;接着,对近似分量进行改进Top-Hat滤波,并将滤波结果与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量。同时将垂直和对角分量的小波系数置零,进行小波重构。最后,为了进一步凸显红外小目标,采用了基于直方图的灰度变换方法对重构图像进行增强。实验结果证明本文所提出的算法能准确地检测出红外小目标,且鲁棒性较好。     

基于小波变换的红外图像弱小目标检测研究

针对红外图像弱小点目标检测中遇到的难点,即信噪比低、帧间相对运动和强噪声干扰等问题,给出了一种帧间膨胀累积提高信噪比的方法,并且提出将l/f噪声白化和白噪声去除同步处理的新思路,大量的仿真实验证明,该方法能够很好地抑制噪声对图像的影响,大大提高信噪比,降低误检率。     

采用DSP与小波变换实现声信号单目标识别

采用TMS320F2812数字信号处理器作为系统核心处理器件,辅以必要的外围电路实现声信号的采集、处理、特征提取及目标识别。根据典型目标声信号的特性,运用小波变换理论对其进行阈值滤波处理;利用小波分析能够反映信号时域和频域局部特性的优点,采用小波变换实现子空间能量特征提取;实现了声信号的快速处理与识别。将此系统应用于典型的车辆目标进行识别,取得了满意的识别效果。     

基于冗余小波变换的高频地波雷达目标检测算法

为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法.     

基于小波变换与遗传算法的混合多用户检测

本文将遗传算法与作者先前提出的小波多用户检测器相结合,提出一种基于小波变换与遗传算法的混合多用户检测方案.采用遗传算法对小波多用户检测器的输出进行优化,降低误比特率,提高系统抗远近干扰的能力.仿真结果表明,只需进行3到5次遗传进化,该混合多用户检测器便能取得很好的检测性能,与其他将遗传算法用于多用户检测的方案相比,大大缩减了遗传算法的运行时间,更加有利于实时实现.     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。