基于多尺度背景纹理分析的红外小目标检测

提出了一种基于多尺度背景纹理分析的目标检测方法,通过小波多尺度分析来提取背景纹理的能量特征,并计算这些特征向量与中心向量之间的距离,目标检测在所得的距离像上完成,利用红外小目标的特性,根据距离像统计直方图来门限的自选取、实验验证了该方法的有效性。     

纹理模型驱动的基于背景分析的小目标检测

为有效地实现复杂背景下小目标的检测,利用背景分析的思想,提出了纹理模型驱动的基于背景分析的小目标检测方法,可提高对小目标的检测精度且具有较强抗噪能力,实验结果证明了该方法的有效性。     

纹理模型驱动的基于背景分析的小目标检测

为有效地实现复杂背景下小目标的检测,利用背景分析的思想,提出了纹理模型驱动的基于背景分析的小目标检测方法,可提高对小目标的检测精度且具有较强抗噪能力,实验结果证明了该方法的有效性．     

士兵和装甲车目标多尺度检测方法

针对士兵和装甲车目标的尺度差异大以及目标距离远近造成的目标多尺度问题,以YOLOv4深度学习算法为基础,提出了一种多尺度目标检测方法. 通过针对性的数据增强方法丰富小目标样本的多样性,对输入图像进行分割预处理以提高网络输入小目标的分辨率,并基于特征金字塔网络实现大、中、小目标的分离检测,最后匹配检测结果并进行NMS处理去除冗余检测框,从而实现多尺度目标检测. 实验结果表明,本文方法在保持大目标检测效果的情况下,中、小目标的平均检测精度分别提升了1.20%和5.54%,有效提高了中、小目标的检测效果.      

基于多尺度分析的数字通信系统消噪

根据数字通信系统中加性高斯白噪声的特点,分析了去噪阈值的选取,详细地讨论了小波的多尺度浮动阈值方法,它能较好地满足在小信噪比下识别微弱信号的要求,并将这种方法应用于通信系统去噪,做到滤去噪声的同时又有效地保留信号的高频成分．     

基于区域背景预测的红外小目标检测

提出了一种基于变化区域的背景预测算法,用于红外弱小目标检测,来减小背景起伏对背景预测的影响,达到提高弱小目标检测性能的目的。实验结果表明该算法抗噪能力强,能检测出强对比度云层的空中背景中的红外小目标,是背景预测算法的一个重要扩展。通过实际红外图像的实验表明,算法是有效的,具有很好的提取能力。     

天空背景下红外小目标检测算法

针对空中背景下红外目标由远及近的过程中的特征变化,提出了一种基于变分辨率信息的融合思想的移动小目标的检测算法,实验结果表明该算法能有效地检测和跟踪点目标、斑点目标和面目标,并且而且运算量小,检测速度快;     

基于小波多尺度分析的DBA算法

分析了以往状态报告型与非状态报告型GPON动态带宽分配算法的优缺点,采用二者相结合的方式,提出一种基于小波多尺度分析的GPON动态带宽分配算法（DBA.）算法通过小波预测模型获得ONU的实时业务量,并采用权重优先级的方式为各ONU合理分配上行带宽.给出了算法的实现步骤,在OPNET环境下建立了GPON的仿真模型,对所提出算法的有效性进行了验证.结果表明,算法获得了较低的传输时延和较高的带宽利用率,是一套完整可行的动态带宽分配方案.     

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。     

基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别,对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来。根据所定义的一种距离运用动态规划的方法找出目标,并得出目标的运动轨迹,给出整套处理方法的实验结果和分析。     

基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法

针对红外序列图像中运动弱小目标的检测问题,提出了一种基于自适应形态学Top-Hat算子和改进的自适应门限的弱小目标检测方法,其中形态学滤波嚣的结构元素采用两层前馈神经网络通过大量样本训练优化．将Top-Hat运算作为一个整体当作一层,输出层节点定义为作Top-Hat运算后图像矩阵的最大值,并针对所检测的大多数弱小点目标采用自适应门限进行分割,同时对SNR〉4左右的点目标用固定门限进行分割．实验结果表明,该方法对SNR较低的复杂图像具有良好的滤波效果．     

多级代理的开放式入侵检测系统中的消息协作

提出了一种多代理的开放式入侵检测体系结构，叙述了该系统的优点和实现的功能，定义了代理之间通信的消息结构，分析了代理之间的消息协作。对消息警报级别的定义同时考虑到了入侵的潜在危险性、可移植性和连续性，有利于降低误报率。     

基于小波变换的心室晚电位特征分析

对４０ 例信号平均心电图的矢量幅值波进行了小波变换,分析了心室晚电位在时频域中的特征．研究结果表明：心室晚电位在时频空间中特征分布明显,易于识别,可有效排除噪声的影响,从而提高心室晚电位的检测准确率