基于数学形态学的弱小目标检测算法

提出了一种基于数学形态学和邻域搜索的弱小目标检测方法,该方法先利用弱小目标的灰度特征,采用数学形态学算法对单帧图像进行预处理,检测出可疑目标集合.然后利用弱小目标的运动特征,采用邻域搜索的方法对多帧序列图像进行后处理,检测出真实目标.     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法 .将弱小目标看作是红外图像中灰度和位置均未知的暂态信号 ,通过对图像信号作多尺度的小波变换 ,可以在低信噪比条件下检测出弱小目标 .实验结果表明 ,小波变换能很好地增强目标 ,抑制背景杂波 ,从而提高目标检测概率 ,降低误检测     

基于粒子群优化的文本图像倾斜检测

提出一种基于粒子群优化算法和小波变换的无限制文本倾斜检查方法.首先对扫描的文本图像进行小波变换,然后利用小波变换的水平细节子带提取反映图像倾斜的特征,作为粒子群优化算法的适应度函数.最后利用粒子群优化算法在-90°到90°区间进行搜索,得到准确的倾斜角度.由于采用了小波变换,一方面降低了PSO搜索的计算量,又能更好地反映倾斜特征.实验结果表明,该方法能快速准确地检测出各类文本图像的倾斜角度,并具有很好的适应性,不受语言、字体、字号和非文本图形等因素的影响.最后还讨论了粒子数目、迭代次数和适应度函数对算法性能的影响.     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法,将弱小目标看作是红外图像中灰度和位置均未知的暂态信号,通过对图像信号作多尺度的小波变换,可以在低信噪比条件下检测出弱小目标,实验结果表明,小波变换能很好地增强目标,掏背影杂波,从而提高目标检测概率,降低误检测。     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

基于小波的数字乳腺图像上肿块的处理

利用对原始乳腺图像进行小波变换后得到的子图来检测肿块,肿块在数字乳腺图像频域上的表现明显异于周围区域,使用适当的小波变换能够把这种特征在变换域中比较直观地显示出来,为了检测出肿块位置,利用Ｂｉｏｒｔｈｏｇｏｎａｌ（ｂｉｏｒＮｒ．Ｎｄ）小波函数族对３９幅原始乳腺图像进行小波变换,分解为包含不同频带的子图,分析子图的结果表明：这种基于小波变换的方法可用于检测数字乳腺图像上的肿块。     

海天背景下小目标检测跟踪方法

研究海天背景下红外图像序列中预测运动弱小目标检测跟踪的方法。通过对红外图像进行小波变换和数学形态学分析,检测所有可能目标。通过带有延迟单元的线性神经元网络对已知样本学习,采用Widrow-Hoff学习规则自适应调整神经网络参数,同时对下一帧目标轨迹进行预测,在检测到多个目标的情况下根据预测轨迹确定真实目标,提高对目标检测的准确。     

基于小波能量加权的医学图像融合新算法

目前的大多数基于小波变换的医学图像融合算法,由于没有细致考虑低频分量融合规则以及高频分量邻域特征对于融合效果的重要性,因而得到的融合效果有时并不理想.现提出一种小波域按邻域加窗能量加权的融合准则,该准则根据人体颅部18F-FDG和MRI-T1图像的特点,充分考虑到了低频分量和高频分量邻域特征,对原图像高、低频小波系数分别选用具有不同物理意义的窗矩阵进行邻域加窗能量计算,以归一化加窗能量为权值对各小波系数进行加权,得到融合小波系数,经过小波反变换重构出融合图像.实验证明,采用提出的融合算法得到的融合图像很好地包含了源图像的信息,该算法在医学图像融合应用中比传统的小波系数取大算法、加权平均算法及按邻域方差加权算法效果更好.     

小波分析在视频检测中的应用

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于小波分析的运动目标检测方法。首先,利用双Haar小波软阈值法,去除视频图像的噪声。然后,建立了一种基于小波变换的运动目标检测算法,直接在二进小波变换域提取运动区域,从而检测出运动目标。实验结果表明,本文方法可以有效地从图像序列中检测出完整的运动目标,而且在平滑噪声的同时还可以保护图像边缘细节不受损失,效果要好于传统帧差法。     

机载热红外图像特征的提取与分析

采用Robert算子、Sobel算子方法和小波变换方法对机载热红外图像的目标特征进行提取与分析.结果表明:与传统的图像分析方法比较,利用多尺度的小波变换方法对机载热红外图像中目标特征的分析,具有定位准确,保留细节较好的优点,是一种较实用的计算机分析与处理方法.     

小波变换和沃尔什变换在测井曲线分层中的联合应用

在分析单独利用小波变换或沃尔什变换进行测井曲线自动分层所存在的优势及弊端的基础上，依据沃尔什方法能适用多测井曲线分层和小波方法更能表征信号突变点的特点，提出了一种小波变换和沃尔什变换联合的测井曲线自动分层方法，该方法能有效地结合两者在测井曲线分层巾的优势并弥补各自的不足。实际测井资料的处理结果表明，与小波变换分层方法和沃尔什变换分层方法相比，该联合方法简单、快速、有效，更适合实际测井资料的处理。     

小波去噪中小波基的选择

介绍了选择小波基所依据的几个特征,并通过实例说明了在小波去噪中要把握小波基的特征,根据信号选择合适的小波基．     

基于蚁群算法的方向特征分割方法

针对翅脉特征的有效提取问题,根据蝶翅图像具有方向性的特点,提出了方向小波变换与蚁群算法相结合的分割方法.该方法首先采用Morlet方向小波变换对不同方向的翅脉边缘进行检测、提取.通过分析这些边缘点的特征参数,确定初始聚类中心.基于所设置的初始聚类中心,再利用蚁群算法对蝶类翅脉图像进行分割.仿真实验表明,该方法可以将各方向翅脉特征检测出来,是一种有效的方向特征分割方法.     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

基于Spearman秩相关系数的红外弱小目标检测

针对红外弱小目标检测,目标运动跨像元,引起目标的丢失的问题,提出了一种基于Spearman秩相关系数的红外弱小目标检测新方法。该方法首先采用时空域中值滤波的方法估计背景;然后通过计算邻域像元点与目标处于像元中心位置时的Spearman相关系数,获得候选目标点;最后采用二次滤波和运动方向匹配得到目标运动轨迹。该方法充分利用邻域信息,即使在目标处于像元边缘处,也能有效地检测到目标。仿真分析表明了该算法的有效性。     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.