红外小目标小波多尺度相关检测方法

提出一种基于小波多尺度相关的目标检测方法.该方法通过二进小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换尺度相关性计算相邻大尺度模相关量用来增强信号,抑制噪声,提取粗略边缘图;并结合小尺度检测,具有定位精确的特点,将粗略边缘图与小尺度模图相与,寻找模极大值点,得到最终的检测结果.实验结果表明,该方法较传统的小波多尺度边缘检测方法能更加有效地进行红外小目标检测.     

四相位差分图像边缘检测算法

为提高图像弱边缘的检测效果,解决图像细节边缘的检出问题,最大限度地保留图像内容信息,提出了一种通过对图像进行四相位移动模糊差分,利用图像边缘灰度梯度变化的相关性,来全面的检测图像内部强、弱边缘的图像边缘检测新算法.该算法可有效的检测图像细节等弱边缘,分割滤除背景,完整的保持图像内目标的结构特征,同时对于图像质量要求较低,具有较高的边缘检测特性.     

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。     

小波变换边缘检测特性分析

本文一改以往的以仿真的感性效果作为信号边缘检测质量的效果评价方法,提出小波变换边缘检测定位精度和抗噪声能力量化分析方法。基于小波变换的边缘检测算法,物理意义上是一个先平滑,再进行边缘检测的过程,其边缘检测特性与边缘类型和尺度大小有关。随尺度增大,定位偏差增大,反映了小波变换局部化特征强弱对边缘检测特性的影响。本文给出了不含噪声和含有噪声情况下,典型边缘定位精度的量化表述。     

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。     

激光主动成像结合距离选通技术的零时信号测量方法

针对火箭起飞过程中零时信号难以准确测量问题,提出了激光主动成像与距离选通技术相结合的测量方式,并通过求取光流的变化进而求取位移移动量获得火箭起飞的零时信号。对现有的零时信号测量方式进行了分析,确定了基于距离选通的ICCD成像方式,结合目标垂直上升的特性,提出目标轮廓与HS光流结合的抗光照干扰算法。实验结果表明:在模拟目标匀速上升过程中,在光照变化不大情况下,单独的边缘检测及单独的HS光流检测算法均能检测出目标的上升趋势;在光照变化剧烈情况下,边缘检测及HS光流检测算法均出现严重的误差,目标轮廓与HS光流结合算法排除了目标内部的干扰,得到的目标像素点位移量与真实的上升量基本一致,误差在亚像素量级,若图像帧频为25 fps,则时间精度为80 ms,完全符合零时信号提取的要求。     

凹透镜通光口径在线精测仪

部分凹透镜的凹面由于设计和工艺的要求,需要磨出一个垂直于光轴的平面,往往该平面与通光口径重合,一般精度要求不严,所以传统的磨边机没有在线检测通光口径的功能。而对于通光口径要求严格的镜片,在线检测非常必要。为解决这一实际问题研发了专用检测仪器。先对凹透镜通光口径上边缘成像,再微调手轮,使得分化板刻度线对准上边缘,把此点定为零点,然后调动手轮,移动工作台,使得分化板与通光口径下边缘对齐,其经过的距离就是凹透镜的通光口径。这个距离通过固定在移动工作台上的光栅进行测量,从而实现了光栅精密测量和光学成像的巧妙结合,创新性的实现了小视场对大距离的测量。     

小波变换边缘检测特性分析

本文一改以往的以仿真的感性效果作为信号边缘检测质量的效果评价方法，提出小波变换边缘检测定位精度和抗噪声能力量化分析方法，基于小波变换的边缘检测算法，物理意义上是一个先进平滑，再进行边缘检测的过程，其边缘持性与边缘类型和尺度大小有关，随尺度增大，定位偏差增大，反映了小波变换局部化特征强弱对边缘检测特性的影响，本文给出了不含噪声和含有噪声情况下，典型边缘定位精度的量化表述。     

移动边缘计算安全问题与研究建议

移动边缘计算是新兴的计算模型,它将云计算及其服务扩展到网络边缘。由于其具有互操作性、分散和分布式等特性,移动边缘计算包含了新的安全问题,但是其安全性尚未得到良好的研究。首先分析移动边缘计算的基础架构和技术特点,然后从整体的角度详细阐述移动边缘计算所面临的安全威胁,深入分析保护移动边缘计算安全所面临的难点问题,最后针对移动边缘计算安全提出研究建议。这项研究成果有助于促进移动边缘计算领域开展更广泛的安全研究,并为相关的研究指明方向。     

基于二分递推SVD的信号奇异性位置精确检测

 提出利用信号构造行数为2的矩阵,在奇异值分解后保留小奇异值对应的分量,并取大奇异值所对应的分量信号重复构造相同矩阵进行奇异值分解,从而将原始信号分解为一组分量信号.这种分量信号具有二阶消失矩,可实现对原始信号中Lipschitz指数为0和1的奇异性的位置精确检测,其检测脉宽小,且在同一层分量中指示奇异点位置的模极大值和奇异点处的突变量、转折斜率具有正比线性关系.此法克服了小波变换检测结果的位置偏移和脉冲宽大的缺陷,在对铣削力信号的处理中,准确地检测出了其中的微弱冲击.     

Mixed scheme for image edge detection based on Wavelet Transform

A mixed scheme based on Wavelet Transformation (WT) is proposed for image edge detection. The scheme combines the wavelet transform and traditional Sobel and LoG (Laplacian of Gaussian) operator edge-detection algorithms. The precise theory analysis is given to show that the wavelet transformation has an advantage for signal processing. Simulation results show that the new scheme is better than only using the Sobel or LoG methods. Complexity analysis is also given and the conclusion is acceptable, therefore the proposed scheme is effective for edge detection.     

基于M带小波变换与模糊聚类的图像去噪算法

M带小波变换是标准二带小波变换的自然推广,能够分析具有相对窄带的高频信号,而且能更好的集中信号能量,因此在信号处理中应用广泛。本文结合模糊聚类算法,提出了一种新的基于M带小波变换的图像去噪算法,利用模糊聚类算法把小波系数划分成两类：包含信号的小波系数与只包含噪声的小波系数,对只包含噪声的小波系数置为零,将包含信号的小波系数进行利用软阈值法进行收缩,最后对处理后的系数进行M带小波逆变换,得到去噪后的图像。对SAR图像的实验结果表明,该算法有效,而且能较好地保留边缘信息。     

小波滤波分解层数的自适应确定方法

针对加性高斯白噪声,根据信号和噪声在小波空间上传播的特性,提出了一种基于Kolmogorov-Smirnov检验的最优分解层数自适应确定算法,对于不同数据长度的信号,可以自适应地选择小波变换的最优分解层数。仿真实验表明,该方法可以得到最优的信噪比及最小均方误差,并且对小波分解边界延拓方式的选择具有较强的适应性。     

边缘检测算子检测突变边缘的效果比较

分析了prewitt,robert,sobel,log,canny等边缘检测算子的抗干扰能力,对V型图像的边缘检测技术进行了系统的研究,分析了不同的边缘检测算子的边缘检测实验结果。利用小波变换检测信号边缘的优势,找出信号突变点,从而找到图像的边缘,但边缘不够完整。为克服小波变换的不足,经小波变换后再采取中心取样,最后采用Hough变换加以完善,就能获取较理想的结果。     

Fuzzy-based multiscale edge detection

A new fuzzy-based multiscale edge detection technique is presented. The proposed approach achieves optimal edge detection using the wavelet decomposition of the original signal followed by a novel fuzzy-based decision technique that is applied across the scales. Results indicate a significant improvement in locating edges compared to other multiscale approaches.     

基于自蛇模型和小波分析的图像去噪

提出基于自蛇模型和小波分析的集成图像去噪算法,以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波,然后将处理后的图像进行小波分解,保持低频分量系数,对其高频分量再次利用自蛇模型去噪,最后对处理后的小波系数进行重构,得到去噪后的图像。实验结果表明,本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2次迭代自蛇模型算法。     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

一种弱信号检测新方法分析

通过计算机仿真分析一种基于频域积累和小波变换相结合的弱信号监测方法,仿真在Matlab上完成。分别分析小波变换和频域积累用于弱信号处理的去噪效果。仿真表明,小波变换对信噪比很低的信号去噪效果较差,频域积累需要较长的数据采集时间,会使信号处理的实时性变差。在此基础上,提出将两种方法结合起来使用,先用频域积累将信噪比提高,再用小波变换进一步去噪,从而形成了一种新的弱信号检测方法,该方法既可有效去噪,实时性也较频域积累有很大改善。     

对称延拓小波变换矩阵用于FRIT去噪

给出了对称延拓方式下有限长信号不需逐级计算而直接得到小波系数的分解矩阵和由这些小波系数重构原信号的重构矩阵的构造方法,并给出了常用的相应于9/7小波的分解矩阵和重构矩阵及其基向量,它们可广泛用于基于小波的图像分块处理中.作为一种应用实例,将构造的小波变换矩阵用于FRIT图像去噪,不仅计算大大简化,而且相对于周期延拓的小波变换而言边界效应明显减少.     

多尺度小波在图像测量中的应用

在图像测量中,图像的边缘检测是关键.基于信号和噪声在不同尺度下小波系数模值的变化特征,利用小波变换系数模的局部极大值提取图像的边缘.在对前、后孔配准图像的测量中,能够降低噪声,并能比较精确的得到图像的边缘.