利用改进遗传算法的可靠性匹配方法

提出了一种基于改进遗传算法的可靠性匹配方法。首先采用四阶中心B样条小波对实时图和基准图进行小波分解和边缘增强。然后．在粗尺度上利用改进的遗传算法对小波边缘增强图进行匹配，快速搜索并保留局部极值点作为候选匹配点．保证正确匹配点可以包含在候选匹配点中。对实时图进行旋转校正．利用候选匹配点处的局部灰度特征提取二值边缘图，再进行相关匹配，筛选出正确匹配点。最后在细尺度上获得精确的定位点。实验结果表明．其匹配概率比基于小波二值边缘提取的相关匹配算法提高了9．5％。     

基于小波变换的图像边缘检测方法

基于小波变换的图像边缘检测,其图像平滑度与尺度增大成正比:尺度增大,高频受到强抑制,输出图像的信噪比提高,图像边缘平滑变粗,定位精度降低;反之边缘定位精度可提升.小波基函数的选取应保证检测精度,故用大尺度滤波器抑制原图像噪声.同时用小尺度滤波器为图像边缘精确定位,即依据边缘检测的小波母函数一般准则,构造二次B样条小波,并采用自适应阈值图像边缘检测法检测图像边缘.     

视频跟踪中图像边缘检测的Beta样条算子

介绍了视频跟踪中图像边缘检测的基于Beta样条函数的边缘检测算子，该算法是利用Beta样条函数对原始图像进行拟合，然后求拟合曲面的二阶导数零交叉点来检测图像的边缘，根据Beta样条函数的局部性质得到具体卷积模板，由于它具有两个自由参数，使它比B样条边缘检测算子具有更大的灵活性。     

一种基于小波变换的电视图像分割方法

研究了一种基于B样条小波变换的自动阈值分割算法.提出基于灰度统计特性的直方图移动平均法,从而有效地消除噪声对图像的影响,使图像直方图更加光滑.运用B样条小波变换快速算法,大大减少了计算量.基于小波变换多分辨分析的策略,提出一种多尺度小波变换分割方法,进一步提高了分割精度.通过对算法仿真研究,验证了本算法的可行性及有效性.     

基于小波分析的多普勒弱信号检测方法

针对低信噪比强杂波背景下连续多普勒弱信号检测的问题，提出了一种基于小波分析方法的弱信号检测算法。利用这种基于小波函数为sym5的五层小波分解算法，可提取出连续多普勒弱信号的联合时频特征值，从而实现目标信号的检测。并通过使用时域、短时傅立叶和小波分析三种算法对拟合数据进行仿真，得到三种算法在不同信噪比下的检测性能对比及定性分析，证明了小波分析算法的有效性。     

噪声目标的边缘检测算法研究

在传统的小波多尺度边缘检测的基础上，利用相邻尺度上小波系数相乘的性质，提出一种噪声目标的边缘检测算法，同时对一般的小波阚值方法加以改进，得到一种自适应阈值方法，从而达到增强边缘．抑制噪声的效果，并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明，该算法检测出的图像边缘轮廓清晰，细节突出，去噪效果好，因而在军事上具有一定的实用性。     

一种基于多分辨率图像融合的边缘检测算法

边缘检测是图像处理中的一个重要环节。文章提出了一种基于小波变换的图像融合边缘检测方案。该方案具体考察了Log算子、Canny算子和小波变换边缘检测算法，通过提取图像边缘对其特点进行了讨论和比较，再将三种算法边缘检测的结果进行图像融合，得到一幅新的边缘检测图像。仿真实验结果表明，此种方法效果要优于单独采用某种算子获得的边缘图像，是一种有效的图像边缘提取方法。     

小波结合偏微分插值的图像超分辨率重构算法

针对传统的小波和偏微分方程(PDE)算法无法准确估计图像的平坦区域和边缘区域而出现虚假边缘,以及小波低频估计不准确导致的图像模糊,提出一种小波与改进的PDE插值结合的图像超分辨率重构算法。该算法首先对传统的PDE算法进行改进,提出一种加权拟合的PDE插值法对图像边缘实现较好的定位;然后利用小波提取高频成分并调整其系数,并将增强幅度后的原始图像作为低频部分,进行小波逆变换获得高质量的重建图像。实验结果表明:这种方法可以充分发挥两种算法的优点,不仅在提高图像分辨率的同时较好地保留了原始图像的细节信息,还提高了放大后图像的亮度和清晰度。     

基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。     

基于B样条小波有限元陀螺转子悬浮磁场的分析

给出了一种陀螺仪转子悬浮结构,建立了悬浮磁场B样条小波有限元模型;研究了一类新的有限元空间.它以B样条小波函数作为正四面体有限等参元的形状函数.利用B样条小波函数的变尺度特性在不改变网格的剖分下提高分辨率.最后对悬浮系统模型进行了仿真,给出了磁力线的走向、分布及空间各点的磁场强度.并对结果进行了分析.     

基于图像平稳小波非线性增强的边缘检测方法

分析了基于平稳小波变换的图像对比度非线性增强算法和传统的Canny边缘检测算法，将两者相结合，提出了一种适用于低对比度图像的边缘检测方法，首先用平稳小波变换对图像进行非线性增强处理，提高它的对比度，然后利用Canny算子进行边缘提取。实验结果表明，该方法能准确地检测出图像的边缘，而且边缘清晰，连通性较好。     

改进的SUSAN图像边缘检测算法

SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点，但仍有不足之处．提出了一种自适应选取阈值的方法，并对SUSAN边缘检测算法进行了改进．在此基础上，提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果．     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

一种改进的鱼雷电磁引信目标信号实时小波消噪算法

针对Mallat小波变换在算法原理上不具备数据流动性,无法满足连续采样信号实时消噪处理要求的问题,介绍了一种基于Mallat算法改进的垒墙式小波变换算法,分析了该算法所具有的数据流动性,推导了数据流动性与小波分解层数的关系,并将该算法运用到被加性高斯白噪声污染的鱼雷电磁引信目标信号的实时消噪处理中,选取双正交样条小波作为小波元,并对目标信号做两层小波分解与重构。通过MATLAB环境下的仿真试验,验证了采用该算法实现连续采样信号实时消噪的可行性。消噪后的目标信号具有失真度较小,波形平滑的特点。     

精密零件边缘检测

针对边缘检测中检测精度与抗噪性能之间的矛盾,在分析边缘检测方法的基础上,提出了采用优化Gabor滤波算法降低图像噪声和采用多尺度小波检测理论提取图像边缘相结合的方法,实现了零件的在线高效精确检测。试验结果表明,该方法不仅可有效抑制噪声,而且能得到高精度的零件边缘形状。     

应用B样条函数改进LOG算子的边缘检测能力

在分析LOG算子边缘检测理论的基础上,比较了高斯滤波和样条滤波的优劣,提出了用样条滤波代替高斯滤波,提高信噪比,改善边缘检测效果。仿真试验结果验证了该方法的有效性。     

火炮身管缺陷漏磁信号的识别

在对火炮身管缺陷进行漏磁检测时,由于内表面膛线的存在,漏磁信号中除缺陷信号外,还有系统噪声和膛线干扰信号。说明了自适应滤波方法和小波变换分别去除膛线干扰信号和系统噪声的原理。在仿真试验中,自适应滤波的权值学习算法采用最小均方算法,自适应滤波的原始输入和参考输入信号来自于不同的两个传感器;选取二阶样条小波为小波函数,选用硬阈值函数和固定阈值的方法处理小波系数。结果表明,自适应滤波方法和小波变换很好地去除了膛线干扰信号和系统噪声,提取出了缺陷信号。     

基于B样条函数的偏徽分方程图像去噪

各向异性扩散偏微分方程(PDE)的图像平滑方法能够在去噪的同时在一定程度上保持图像的边缘特征，但对图像细节的保持仍不理想。提出采用归一化的3次B样条作为扩散函数，给出了新的PDE模型算法，该算法能在除噪声的同时增强图像边缘细节，并可降低迭代次数，对加性和乘性噪声均有效。     

改进的Roberts图像边缘检测算法

针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。     

尺度独立MAS小波算法检测目标图像边缘

通过分析图像中不同类型的奇异点，进而区分目标图像的不同类型边缘，由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号（噪声）良好的处理效果，在图像处理的研究中大大优于传统的Fourier变换，并广泛应用于图像去噪和边缘提取方面。在小波理论中，Lipschitz指数可以刻画不同的奇异点，从而区分出图像的边缘和背景噪声。在此基础上，提出了一种独立于尺度的有效算法，并应用于模角分离（modular—angle—separated，MAS）的小波函数。用该算法处理二维图像的边缘，效果优于同类方法，且特别适用于有噪声背景的图像边缘提取。