基于小波多尺度扩展分形特征的目标检测方法

研究复杂自然背景下的小目标检测问题,对Kaplan的扩展分形特征进行改进,使其对目标尺寸具有一定的适应性·考虑自然背景和斑点状人造目标在水平、垂直方向特性,利用小波分析良好的方向选择性,通过多级小波分解互能量交叉,在两个方向上有效地增强目标、抑制背景干扰,从而提出一种基于小波分析的多尺度扩展分形特征·实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和适应性,能从单帧图像中较好地检测出小目标,具有检测速度较快、易于实现的特点·     

基于小波多尺度分解的肿瘤图像融合

提出了一种基于多尺度小波分解的图像融合方法,该方法利用小波变换对每一图像进行多尺度分解,对各分解层上不同频带的子图像采用不同的融合处理·在高频域内采用模板匹配方法计算出图像区域的统计平均值和方差,从而确定源图像在图像融合中提供信息的比例·在低频域内采用平均算子进行融合,以保留图像的背景信息·最后利用小波逆变换得到融合图像·并用这种方法成功地对肿瘤CT图像进行了融合处理,实验结果表明该融合技术是一种有效的方法,获得的融合图像更适合人们的视觉特性·     

小波多尺度分解的图像数据压缩方法

提出了一种利用小波多尺度分解和高效的ＪＰＥＧ压缩技术相结合压缩图像数据的新方法。实验结果表明利用该方法对图像进行压缩可以去除人的视觉系统不敏感的图像冗余信号，达到了高压缩比和较好的图像恢复视觉效果。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

基于小波分解的多分辩率目标识别

在离散分形布朗随机场理论的基础上，提出一种多分辩率目标识别方法。它以小波分解为主要的数学工具，利用随机场的功率谱关系，完成了由粗到精的目标识别。此方法的最大特点是目标在小具有自适应性，同时也使得计算量大大减少 。     

小波多尺度分解的图像数据压缩方法

提出了一种利用小波多尺度分解和高效的 Ｊ Ｐ Ｅ Ｇ 压缩技术相结合压缩图像数据的新方法,实验结果表明利用该方法对图像进行压缩可以去除人的视觉系统不敏感的图像冗余信号,达到了高压缩比和较好的图像恢复视觉效果．     

切片图象中的多目标检测及特征提取

描述了一个多目标检测及特征提取的新方法.它是在边界跟踪过程中,自动确定一个包含目标区域的虚拟矩形窗口,利用差分技术提取窗口内的目标区域的同时;将其抹去.当处理完整幅切片图象时,能获得切片图象上存在的目标个数及每个目标区域相应的特征(如面积、周长等).     

小波多尺度方法用于边缘检测

小波极大值有达式给出重构图像信息的一种新方法,它能从图像边缘的属性上扩展解决图像处理问题的方法,由此提出小波多尺度方法对边 进行检测和重构,实验结果表明图像近似值可以从小波模极大值点中重构,而视觉效果却不受影响。     

图象预处理技术在图象分析中的应用

简述了图象分析仪中常用图象预处理技术的原理,报道了在使用Q-900图象分析仪测量金属材料及生物样品时所用的一些图象预处理方法及结果,并对所得结果进行了讨论。     

形态小波变换及其在图象编码中的应用

提出了一种基于形态学的非线性小波分析方法，并将这种形态小波分析方法应用于图象编码上，与一般的小波分解方法不同的是，该形态小波分解采用非线性方法，分解结果中图象特征更明显，图象编码压缩比更高，解码出的图象更加清晰；同时由于形态学是基于Minkowski加减基本操作并应用最大最小运算来实现，分解运算简单，速度快。     

深度学习下的快速SAR图像目标检测

针对合成孔径雷达图像目标检测困难以及深度学习中锚框机制所引起的计算冗余和应用场景受限问题,提出了一种基于无锚框机制的中心点、尺度和旋转角度预测网络,将目标检测转化为中心点估计问题,并直接预测相应边框的宽度、高度以及旋转角度等要素,实现多场景、多类型目标定向检测.该算法利用ResNet 101的U型结构和注意力模块提取图...     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

分量模型和散射参数的全极化雷达图像分类

在分析了典型的极化目标分解和地物分类算法基础上,提出了融合Yamaguchi分解和H/α(H为散射熵,α为地物散射角)平面分解结果的迭代处理目标分类方法.首先,通过获取4种散射分量及地物的散射熵和散射角,结合6个参量,将极化合成孔径雷达图像中的地物初始分类;然后,利用相干散射矩阵服从Wishart分布的特性进行迭代,获得最终分类结果.实验结果证明,该算法提高了分类性能,运算量小,分类效果较好.     

基于天基雷达探测的静止轨道目标监视

针对静止轨道目标监视的需求,分析了静止轨道目标的雷达散射截面(RCS)特性. 以此为基础,研究和设计了天基雷达的轨道高度、重访周期、天线形式以及天线尺寸,探讨了天基逆合成孔径雷达的成像分辨率与其他系统参数的关系,给出了顺行轨道和逆行轨道情况下达到一定的横向分辨率所需要的积累时间. 研究结果表明,利用天基宽带雷达实现对静止轨道目标的近距离监视是可行的.     

基于深层次特征增强网络的SAR图像舰船检测

针对合成孔径雷达图像中舰船目标检测困难的问题,提出了一种基于深层次特征增强网络的多尺度目标检测框架.利用Darknet53提取原始图像特征,自上而下建立四尺度特征金字塔;特别设计基于注意力机制的特征融合结构,自下而上衔接相邻特征层,构建增强型特征金字塔;利用候选区域及其周边上下文信息为检测器计算分类置信度和目标分数提供更高质量的判定依据.所提算法在SSDD公开数据集和SAR-Ship自建数据集上的平均检测精度分别为94.43%和91.92%.实验结果表明,该算法设定合理且检测性能优越.      

分数阶傅里叶变换在合成孔径雷达目标识别中的应用

本文通过分析合成孔径雷达动目标回波线性调频特点,采用分数阶Fourier变换对合成孔径雷达动目标进行检测,对其多普勒参数进行比较精确的参数估计,并通过理论分析和模拟计算证明该方法的有效性。     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.     

基于小波支持向量机分割的SAR图像桥梁目标检测

针对SAR图像中桥梁和水域的统计特性,提出了基于小波支持向量机分割与先验知识相结合的桥梁目标检测方法.通过对SAR图像中桥梁和背景的分析,首先对水域进行特征提取,再利用小波支持向量机方法对数据进行训练建模,通过模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测.基于真实SAR图像的实验结果显示,此方法不需对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速、准确地检测SAR图像中的桥梁目标.     

基于小波包分解的纹理图像去噪

噪声对图像的后续处理影响较大,常用的去噪方法虽然可以去除变化平缓的图像中的噪声,但对细节较多的纹理图像的去噪效果却不太理想．文中基于信号和噪声在小波分解中呈现出来的不同特性,提出了一种新颖的小波包去噪算法．采用该算法对纹理图像进行最优小波包分解,并计算每个子频带的两个范数,然后根据范数值区分信号和噪声,从而达到去除噪声的目的．实验结果表明,该算法对皮革图像具有较好的去噪效果．不仅可以去除纹理图像中的大部分噪声,而且可以较好地保留图像纹理信息．