基于小波包的红外/被动毫米波图像特征融合

红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向.红外探测系统在低能见度条件下的穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像.为了更好地识别目标的轮廓信息,提出一种新的基于小波包边缘检测的特征级主成分融合方法.新方法先用小波包边缘检测方法检测出包含水平边缘、垂直边缘和对角边缘的边缘图像,然后对边缘图像进行小波包去噪,再用主成分融合方法进行图像特征级的融合,最后用阈值方法提取出融合后的边缘.实验仿真结果表明,与传统的小波及小波包边缘检测方法相比,新方法融合后的边缘图像更容易分辨出目标的轮廓信息.     

基于多分辨分析的红外/被动毫米波图像主成分融合

红外/毫米波(IR/MMW)复合制导是当前发展多模复合制导技术的热点方向。针对红外探测系统在低能见度条件下穿透能力有限,而被动毫米波探测虽然穿透能力较强、但图像分辨率不高的问题,为了更好地进行红外与被动毫米波图像融合,使得复合探测器能够全天候工作,提出一种新的基于多分辨分析的主成分融合方法(M-P)。利用多分辨分析可以按图像的分辨率空间很好地处理信息的优势,M-P融合方法首先对红外与被动毫米波探测的坦克群图像进行分解去噪;对重构后图像分别进行主成分变换;用高分辨率图像的第1主分量代替低分辨率图像的第1主分量;最后做逆主分量变换来得到最终的融合图像。实验仿真结果表明,与PCA方法比较,新方法融合得到的图像能更好地区分坦克群目标和地物背景。     

PMMW装甲目标小波包分析与辐射特性研究

毫米波系统具有全天候或低能见度条件下工作的能力,但毫米波被动探测图像的限制是分辨率。小波包消噪是对退化图像进行处理的一种有效算法,给出了毫米波被动探测装甲目标的小波包分析去噪。为进一步刻画毫米波被动探测目标辐射的表征方法,在分析毫米波被动探测能力的基础上,建立了目标毫米波被动探测辐射截面分辨能量体的新概念,并给出3 mm被动辐射计探测单层隐身迷彩装甲目标的辐射截面能量分辨体的实测与分析研究。     

基于双树复小波和形态学的红外图像去噪方法

红外成像技术随着科技的快速进步在各个领域的应用与日俱增。但是,红外成像后的图像较为模糊且噪声较大,严重影响了目标检测和识别的效果,对图像进行有效的去噪处理就显得很有必要。在研究双树复小波变换和形态学滤波的基础上,提出了一种基于MAP估计的双树复小波变换与形态学滤波相结合的红外图像去噪方法,并将其应用于红外图像的去噪。与传统的去噪方法进行比较,无论从视觉效果还是客观评价指标上来看,所提方法都优于传统的去噪方法,可以广泛应用于红外图像处理领域。     

基于小波变换的航空红外图像目标的多尺度识别

提出了一种基于高斯小波变换的航空红外图像的目标边缘自动提取的新方法,并利用 目标边缘特征结合目标边缘特征数据库对目标进行识别。该方法利用小波变换良好的噪声抑制能力及完备的边缘保持能力;能够有效的对红外图像进行目标边缘提取、目标增强及噪声抑制等预处理工作,利用得到的边缘特征及数据库,较好的完成红外目标的多尺度识别。     

基于自适应稀疏表示的被动毫米波图像恢复

为了克服傅立叶域和小波域正则化方法不能同时保持目标特征和有效滤除噪声的缺点,提出一种被动毫米波图像恢复的新方法。它利用稀疏表示表达信号灵活的特点,对逆滤波后的毫米波图像采用基于奇异值分解的K聚类(K-SVD)算法进行学习,自适应地得到图像恢复需要的基函数。与傅立叶域和小波域正则化方法相比,论文方法采用了自适应的处理方法,因此能够更好地保持目标特征,更有效地抑制噪声,进而更好地恢复图像。将论文方法用于被动毫米波仿真图像的恢复,得到了很好的结果。因此,它是一种有效的被动毫米波成像方法。     

基于信息冗余的小波红外图像去噪算法

红外图像具有图像灰度集中、对比度低等特点,因而红外图像增强是红外图像应用必不缺少的部分,随之而来的是图像噪声的放大,为了进一步提高红外图像质量,需对增强后图像去噪。现有众多去噪方法中,极少同时兼顾算法效果及可实现性。提出了一种基于信息冗余的小波去噪算法,此算法在离散小波变化(DWT)过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数,再利用噪声估计对小波系数进行非线性变换,抑制高频噪声并保留细节,然后利用变换后小波系数重构(IDWT)多副图像,利用含相似冗余信息的多副图像加权进一步去除高频噪声,获取最终去噪图像。此算法已在单片FPGA中进行实现,利用ALTERA CYCLONIII芯片实现后的处理帧频达到50 fps,满足实时性要求。     

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法.一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像.然后采用递归最小类内绝对差阈值选取方法分割预处理图像.针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较.结果表明本文方法提高了信噪比,检测率分别提高15%和10%.     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

基于小波和灰度形态学的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出了一种基于小波变换和灰度形态学的红外图像对比度增强的算法,对红外图像进行小波分解后,利用灰度形态学对低频系数进行对比度增强,同时计算局部阈值,并利用确定的阈值对小波系数进行去噪处理,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效的提高了目标的对比度,同时突出了目标的细节信息,算法在性能优于传统的中值滤波与直方图均衡法相结合、维纳滤波与灰度变换法相结合的对比度增强算法。     

复合导引头制导技术研究

现代战争的战场环境日趋复杂，单一制导模式容易受到有效干扰，而复合导引头则可利用各种制导模式的优点，互补不足。根据红外成像传感器、主动毫米波雷达和被动雷达的技术特点，分析了红外成像/主动毫米波雷达复合导引头、红外成像/被动微波复合导引头的工作流程。为了提高复合导引头的抗干扰能力，结合反舰导弹的实际工作流程，远距离时利用毫米波雷达或被动雷达进行探测，近距离时利用红外目标特征来区分干扰和舰船目标，从而形成适用于反舰导弹红外成像/主动毫米波雷达复合导引头和红外成像/被动微波复合导引头的末制导策略。     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法．对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强;并给出一种评价增强图象质量的准则．实验结果表明,本文提出的方法在有效的增强红外图像对比度的同时,又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声．     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

一种抗噪的红外图像对比度增强方法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法。对红外图像进行离散平稳小波变换后,利用所提出的去噪方法对分辨率较好的各高频子带直接去噪;并利用所提出的非线性增益法结合文中的去噪法对分辨率较差的各高频子带进行增强。实验结果表明,提出的方法在有效地增强红外图像对比度的同时,又能很好地抑制相关噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

基于小波包变换和形态学的图像分割算法

数字图像分割技术是一种重要的提高计算机图文识别的手段.文章利用小波包变换去噪结合形态学方法提出一种数字图像阈值分割算法.依据该算法,首先施行小波包变换,去除图像中的噪声,然后利用形态学方法集合最佳阈值判别对图像进行分割.实验证明,本算法的分割效果较佳.     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

阈值法在毫米波目标辐射信号去噪中的应用研究

小波域阈值法去噪以其效果好,易编程实现而广泛应用到图像及信号的去噪中。该文在分析了毫米波目标辐射信号的小波系数特征后,提出使用非负小波系数代替信号的小波系数。对于确定的阈值,推导了重构信号均方差最小时,非负小波系数的去噪方法,实验表明该文算法具有较好的去噪效果。