基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先，通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

样条小波自适应阈值多尺度边缘检测算法研究

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，已有的边缘检测方法并不能得到较理想的边缘。充分利用小波变换的特点。设计三次B样条平滑滤波算子，对图像进行多尺度滤波。得到不同尺度的小波变换，再结合由适应阈值方法，在每种尺度下分别提取图像边缘；而后利用过缘信息的多尺度特性。融合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证，实验结果表明该方法不仅能准确检测出图像边缘，而且能有效地抑制噪声，该算法对图像边缘检测的效果优于目前已有的边缘检测算法。     

贝叶斯检测跟踪联合处理的检测阈值设置方法

基于贝叶斯理论的检测跟踪联合处理方法能够利用目标的运动模型在帧数据间以概率的形式对信号进行积累,从而提高系统的检测性能。然而,在Neyman-Pearson准则下,该方法很难根据系统要求的虚警概率计算检测阈值,影响了该方法的应用范围。在综合分析基于贝叶斯理论的检测跟踪联合处理方法的基础上,针对Neyman-Pearson准则,详细推导了系统虚警概率同检测阈值之间的关系,并在观测噪声为高斯白噪声的情况下给出了检测阈值的近似闭式解。利用该闭式解,可以按照系统要求的虚警概率计算检测阈值,从而使得实际系统的虚警概率满足要求。最后,计算机仿真实验验证了该闭式解的有效性。     

针对图像脉冲噪声的参数自调整滤波算法

提出了一种针对脉冲噪声的参数自调整图像滤波算法,该算法将基于相关性双阈值噪声检测的非线性滤波算法和基于最小相邻图像均方差的参数自调整算法有机地结合在一起,不需要了解原图像和噪声污染的信息,可以直接通过参数自调整算法对非线性滤波算法中的参数自动地进行优化选择。基于Matlab的仿真试验表明,该算法对脉冲噪声有非常好的抑制能力,并且能够很好地保护图像的细节信息,对各类不同密度的脉冲噪声图像进行滤波均能得到令人满意的结果。     

改进的PCNN与Otsu的图像增强方法研究

提出了基于改进脉冲耦合神经网络(PCNN)与Otsu的图像模糊增强方法，该方法即可有效地去除噪声，又能根据图像灰度性质自动选取最佳阈值，并采用模糊集理论实现了图像的增强。计算机仿真表明，该方法可得到优于传统方法去噪和增强效果，从而验证了该方法的有效性、合理性。     

基于非凸加权范数约束的SAR图像降斑

结合相似图像块具有低秩的特性提出了一种非凸加权范数约束(non-convex weighted norm constrain, NWNC)的合成孔径雷达(synthetic aperture radar, SAR)图像降斑方法。首先对每个目标块寻找相似图像块构建相似图像块集合;然后对相似图像块集合的系数矩阵进行NWNC;再利用广义阈值收缩法估计系数矩阵;最后对系数矩阵进行反变换重构出降斑图像。实验结果表明,该方法不仅有效地解决了传统低秩核范数约束不足的问题,而且通过NWNC和广义阈值收缩估计系数使得系数估计更加精确,表现在抑制斑点噪声的同时可以很好地保护图像的纹理细节。     

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform, NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。     

基于优化熵函数二维最大熵阈值算法改进

根据熵函数在等概率场下取到最大值性质，对二维最大熵阈值法中的熵函数进行优化，将熵函数中对数和乘积运算简化为减法运算，得到目标函数具有意义明确、形式简洁、计算速度快的二维阈值自动选取方法。该法在保持二维最大熵阈值法对图像分割效果同时，又大大提高阈值选取速度，增强算法实时处理能力。这些结论正确性，既从理论推导过程中得到证明，也从对足迹图像分割的大量实验中得到验证。这种方法是保持二维最大熵阈值法分割效果不变、具有更快计算速度和实时处理能力、并在足迹图像分割中得到较好应用的一种自动阈值选取方法。     

基于边缘梯度的自动聚焦算法

针对传统自动聚焦算法所存在的问题,提出了一种基于边缘梯度的自动聚焦算法。首先通过阈值检测算法得到图像序列的边缘,把图像中的背景部分滤除,减少了背景信息的影响,从而可以提高算法的精确度和稳定性,然后用边缘像素的梯度值来表征最后图像的清晰程度。经过大量的仿真实验表明,所提算法不仅有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能,具有很好的稳定性。     

小波域局部贝叶斯阈值的SAR图像斑点抑制算法

提出了一种抑制SAR图像斑点噪声的小波域贝叶斯软阈值方法。该算法不同于有偏的去除乘性噪声的同态滤波算法,而是将噪声转化为局部平稳的加性白噪声。在非下采样小波子带上,视数给定时该算法可以简洁有效地估计局部加性噪声方差。在实验中,该算法同Kuan,Lee和Argenti等算法作了比较,结果表明,在常用性能指标上所提算法优于其它算法。     

主动毫米波图像的人体携带危险物检测研究

近距离主动毫米波人体成像是检测藏匿在人体衣物下危险品的一种有效手段。针对主动毫米波图像分辨率高,人体不同部位呈现不同特性,以及人体、其他携带物和危险物特性相互影响和干扰、危险物检测困难的特点,提出了一种主动毫米波图像多危险物检测方法;通过基于人体特征的区域划分,采用图像区域化的自适应阈值图像分割、结合数学形态学的二次提取方法,实现了主动毫米波图像人体携带多危险物的检测和提取。对实际获取的图像进行了多危险物检测实验,检测率为84.13%,虚警率为6.61%。仿真实验结果表明了所提方法的有效性和实用性。     

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。     

基于联合去噪和频率调制的微弱信号检测

针对强噪声背景中弱信号检测问题,在传统检测方法基础上,提出了基于联合去噪和频率调制的微弱信号检测方法。搭建自相关和小波阈值变换联合去噪系统,极大程度抑制了噪声对检测结果的不利影响。利用频率可调标准信号调制待测信号频率,使得被测信号与检测系统策动力信号的频率差满足检测条件,打破了利用Duffing振子检测系统只能检测与系统策动力频率相近信号的限制。双振子差分进行混沌特性判别的方法更具直观性,抗噪性能好,测量相对误差被控制在5%以内;且系统具有很高的抗干扰性,检测最低信噪比可达-41 dB。仿真结果证明了该方法的可行性和有效性。     

最大模糊能量图像阈值分割法

最小模糊熵阈值法是一个常用的图像分割方法。依据模糊熵的对偶概念：模糊能量,提出了对应的最大模糊能量阈值法。考虑到最大模糊能量阈值法在有些情况下不能有效找到直方图的谷点,通过融入阈值点的概率信息,提出了一种改进的加权最大模糊能量阈值法,改进方法能够使得分割阈值点更接近图像直方图的谷底。实验结果表明,改进的最大模糊能量阈值法对单峰直方图和小目标图像有更好的分割效果。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

Duffing混沌振子用于微弱信号检测的研究

针对频率已知的微弱正弦信号幅度和相位检测问题,提出了一种采用Duffing混沌振子作为检测系统的方法。该方法将被测信号作为系统的参数,利用系统参数在临界值附近微小的变化会改变系统输出状态的特性,通过识别系统输出的相轨迹判断输出状态是否改变,根据状态改变所需满足的条件估计信号的参数。给出了实现该方法的主要步骤,并将其运用于高频地波雷达海洋回波信号的检测,与FFT方法所得结果相比,回波多普勒谱的信噪比可提高5 dB,表明了该方法具有更好的检测性能。     

基于概率直方图的被动雷达弱目标检测方法

复杂电磁环境和武器系统隐蔽攻防的趋势下,目标回波常淹没在噪声干扰之中而难以被准确检测。被动雷达因能有效应对电子对抗、隐身技术以及反辐射导弹等威胁而引起广泛关注,但被动探测方式制约于辐射源的特性,采用传统长时间积累方法有时难以有效提高目标检测性能。针对上述问题,本文提出一种被动雷达的弱目标探测方法,该方法以单脉冲为处理对象,利用概率统计方法,对观测时间内的每一条脉冲检测结果进行统计,并通过概率直方图中的目标检测频度分布来检测目标。实验结果表明该方法能有效检测弱目标,非常适合在工程实践性中应用。     

基于局部方差的多分辨率图像分割方法

针对复杂图像分割问题,提出了一种基于图像局部方差的多分辨率图像分割方法。该方法首先引入了一种像素映射的多分辨率模型,此模型通过计算父子关系距离来确定父结点与子结点的链接,实现映射;在此基础上,从图像局部方差对图像分辨率的依赖性入手,分别研究图像中目标区域与背景在不同分辨率下局部方差的变化规律,利用此规律通过计算不同分辨率下图像区域的局部方差的差值,来放大目标与背景之间的差异,在将其平滑之后选用最大类间方差法(Ostu法)进行图像分割,最后利用图像多分辨率模型下像素之间的精确映射关系来得到对应于原始图像大小的分割结果。实验结果显示此方法具有良好的分割效果。     

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。     

基于噪声边界检测的规则函数脉冲噪声滤波器

针对随机值脉冲噪声,提出了噪声边界检测的规则函数滤波方法。该方法由噪声检测器与图像滤波器两部分构成。在噪声检测部分,由像素二阶差对各个子窗口像素进行像素边界值检测,进而对所有子窗口边界值进行全局统计确定图像噪声像素边界,并利用同类像素个数对噪声边界内的像素进行纠正以降低错检率。针对噪声像素,利用图像规则函数和噪声像素限制条件来构造规则函数滤波器。将所提出的方法应用于噪声像素检测与滤波,并与其他算法对比,实验结果表明,该方法能够同时保证低漏检率和错检率;在滤波方面,该方法所得到的修复图像具有更高的峰值信噪比和视觉效果。