检索结果-南通市图书馆

作者：夏君君中国科学技术大学

学位级别：硕士

多尺度几何分析是近年来迅速发展的一个研究热点，其目的是通过对高维数据内在几何结构的高效逼近和描述，获得灵活、快速、有效的高维信号处理算法。二维多尺度几何分析中的ridgelet，curvelet和contourlet代表了一类具有多分辨性、时... 详细信息

多尺度几何分析是近年来迅速发展的一个研究热点，其目的是通过对高维数据内在几何结构的高效逼近和描述，获得灵活、快速、有效的高维信号处理算法。二维多尺度几何分析中的ridgelet，curvelet和contourlet代表了一类具有多分辨性、时频局域性、方向性和各向异性的固定基函数性质的新的变换工具。本文主要研究了这三个代表性分析工具：ridgelet，curvelet和contourlet变换。本文的主要研究内容和成果如下： 1．介绍了连续ridgelet和curvelet变换的基本概念。详细研究离散ridgelet算法中的一种finite ridgelet。介绍了该算法的原理，实现方法和性质。而后详细介绍了经典的curvelet离散算法——基于FFT的curvelet离散算法。 2．改进finite ridgelet算法。finite ridgelet只适用于图像尺寸为P×P(P为素数)的图像，这一点限制了它的应用范围。本文将finite ridgelet的算法进行改进，提出了一种可以适用于图像大小为N×N(N=2，k∈Z)的离散ridgelet算法。该算法不仅推广了finite ridgelet的适用范围，而且简化了finite ridgelet的算法过程。后将改进的算法应用到curvelet变换中去，得到了低冗余度的curvelet离散算法。通过实验比较得知：该算法去噪效果虽然比不上基于FFT的curvelet算法，但该算法优于小波变换，且其算法简单，冗余度较低，也不失为curvelet变换的一种有效离散实现方法。 3．详细研究了contourlet变换的原理，实现方法和基本性质。指出了由于contourlet变换中存在着下采样而导致contourlet变换缺少平移不变性和频谱泄漏等问题。后介绍了新近提出的完全不采样contourlet变换。简要介绍了

关键词： ridgelet curvelet contourlet 完全不采样contourlet 特征提取图像检索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉特性的低比特率图像压缩编码

基于视觉特性的低比特率图像压缩编码

作者：王力辽宁师范大学

学位级别：硕士

图像压缩编码一直在信息处理技术的研究当中处于比较活跃的地位,是多媒体计算机、数据发行、现代通信、介质存储等技术的关键环节。为了提高图像信息的传输效率,及计算机对图像的处理速度和存储能力,实现对大量的数据进行有效的存储、... 详细信息

图像压缩编码一直在信息处理技术的研究当中处于比较活跃的地位,是多媒体计算机、数据发行、现代通信、介质存储等技术的关键环节。为了提高图像信息的传输效率,及计算机对图像的处理速度和存储能力,实现对大量的数据进行有效的存储、处理和传输,在多媒体信息处理领域中,数字图像压缩编码技术的地位已越来越重要。本文就是在这种背景下展开研究。在图像编码领域中,研究的热点方向和核心技术是多尺度几何理论,而小波分析在多尺度分析工具中已经成为经典并且取得很好的压缩效果。但在处理轮廓、边缘等高维信息时,却有些力不从心。为了克服这种不足,有不少新的多尺度分析工具近几年在小波变换的基础上产生出来。contourlet变换就是在这种情况下应运而生。与小波变换相比,contourlet变换不仅能够高效率捕获图像几何结构,而且具有良好的各向异性和方向性。本文首先从变换编码的角度,介绍了提升小波变换,以及contourlet变换编码的理论基础和研究现状。其次,也是本文研究的重点,以提升小波变换和contourlet变换为基础,用结合实验的方法,研究了基于变换域的图像压缩编码算法。一、基于人眼视觉特性的低比特率图像压缩编码,该算法首先使用提升小波对原始图像进行分解,再结合人眼视觉掩蔽特性,对不同区域内图像信息对应的小波系数,赋予不同视觉权值,以保证优先传输视觉上的最重要系数,最后根据系数重要性,对低频系数采用新的排列结构,并用SPIHT算法对图像进行压缩。二、一种应用人眼视觉特性的contourlet域图像压缩编码算法,其首先用小波变换对图像进行分解,并进一步实施自适应方向分解中高频的小波子带;然后根据人眼视觉特性(HVS),给按规则划分的不同子块赋予不同视觉权值;接着根据小波变换与contourlet变换的特点,将空间方向树的结构重新构造;最后根据系数重要性,对低频系数采用新的排列结构,并采用SPIHT编码思想对图像进行压缩。由实验结果可以看出,本文提出的两种算法均优于普遍适用的,经典的图像编码方案(特别是在低比特率下),具有比较强的适应性与通用性,因此具有很好的应用前景。

关键词： SPIHT 图像编码 Wavelet contourlet

基于多尺度分析的红外与可见光图像融合的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度分析的红外与可见光图像融合的研究

作者：王佳琪燕山大学

学位级别：硕士

红外与可见光图像的融合是多传感器图像融合领域的研究热点。近年来多尺度几何分析处理图像的思路成功应用于图像融合，并成为新的关注点，在多尺度几何分析的基础上如何构建准确、可靠的融合规则成为亟待研究的问题，鉴于此，本文在分... 详细信息

红外与可见光图像的融合是多传感器图像融合领域的研究热点。近年来多尺度几何分析处理图像的思路成功应用于图像融合，并成为新的关注点，在多尺度几何分析的基础上如何构建准确、可靠的融合规则成为亟待研究的问题，鉴于此，本文在分析总结国内外相关研究工作的基础上，做了以下研究。首先，对红外与可见光两种传感器的成像机理、源图像的成像特性等先验信息进行了综合分析，研究了基于contourlet变换与源图像相适应的图像融合算法。先将源图像通过contourlet变换进行多尺度分解;然后对低频图像采用通过计算局部区域显著因子来自适应选择融合规则的方法进行融合，并针对红外图像与可见光图像物理特性的区别，提出一种改进的加权平均法;高频图像采用方向对比度与方向向量偏差相结合的方法进行融合;最后经过contourlet逆变换得到融合图像。实验结果验证了算法的合理性。其次，研究了一种基于NSCT与改进的PCNN的红外与可见光图像融合方法。NSCT较之contourlet变换具有冗余和平移不变性等特点，更适合图像融合。先将源图像通过NSCT进行多尺度分解，分别得到一幅低频图像和一系列不同方向的高频图像;对低频图像的融合规则采用简单的加权平均法;高频图像融合时引入了PCNN，并改进了拉普拉斯能量作为链接强度值的算法;最后，经过NSCT逆变换得到融合图像。实验结果验证了算法的可行性。最后，分析了由于NSCT的尺度以及方向分解个数的不同，对融合结果的影响，并通过实验验证了最佳分解层数。

关键词：图像融合多尺度几何分析 contourlet NSCT PCNN

一种基于标记的分水岭算法在乳腺图像钙化点分割中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于标记的分水岭算法在乳腺图像钙化点分割中的应用

作者：温治军兰州大学

学位级别：硕士

乳腺癌是威胁女性生命健康的主要恶性疾病之一,它的早期检测是这一疾病能够被治愈的关键,其中,乳腺钼靶X线摄影技术是目前最常用、最有效的早期检测手段。乳腺癌的早期症状主要呈现为钙化点,大小约为0.1mm-1mm,在乳腺图像中通常表现为... 详细信息

乳腺癌是威胁女性生命健康的主要恶性疾病之一,它的早期检测是这一疾病能够被治愈的关键,其中,乳腺钼靶X线摄影技术是目前最常用、最有效的早期检测手段。乳腺癌的早期症状主要呈现为钙化点,大小约为0.1mm-1mm,在乳腺图像中通常表现为一些小亮点。由于一些钙化点的尺寸较小,亮度较低,肉眼识别有时比较困难,且容易出错。误诊断可能使患者错过最佳的治疗时机,降低患者生存几率。CAD(Computer Aided Detection),即计算机辅助检测技术,是通过计算机辅助运算检测钙化点的一种方法,很好地弥补了人工检测的不足,提高了检测的准确性。CAD技术通常包含预处理、增强、分割、检测、分类等几个主要步骤,本文就CAD技术提出了一种在增强图像中使用分水岭算法分割钙化点的方法。本文处理的数字乳腺图像来自于MIAS数据库。伽马变换被用于图像的预处理步骤以增强钙化点和背景组织的对比度。在最后的增强中,实验使用小波变换和contourlet变换针对性地增强钙化点特征。增强结果有效地突出了钙化点,为后续的实验过程奠定了良好的基础。基于增强图像,实验使用一种基于标记的分水岭分割算法来分割钙化点。该方法可以清晰地分割出每个单独的钙化点,尤其在钙化点密集的区域,也可以保证分割的有效性。同时,分割结果会包含一些非钙化点的分割区域,这些区域可通过后续的分类步骤筛除。在保证每个钙化点都能被正确分割的前提下,实验通过SVM(支持向量机)分类以确定最终的钙化点。首先实验对前一步骤的分割区域进行统计和计算,获得每个区域对应的一系列特征值,包括面积、周长、平均值、标准差等,然后用它们构成特征向量。使用训练集训练SVM分类模型,然后对测试集进行分类,得到最终的钙化点分割图像。

关键词：乳腺X线摄影图像小波 contourlet 分水岭算法支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Sharpness在纹理检索中的应用

Sharpness在纹理检索中的应用

作者：杨超兰州大学

学位级别：硕士

纹理检索是图像处理领域的一个重要组成部分。纹理检索的关键是特征的提取,纹理特征能否准确并且全面地表征一幅图像决定了后续检索工作的效率。论文采用Sharpness(清晰度)来表示图像的主要特征。图像的清晰度估计方法在各种工程应用中... 详细信息

纹理检索是图像处理领域的一个重要组成部分。纹理检索的关键是特征的提取,纹理特征能否准确并且全面地表征一幅图像决定了后续检索工作的效率。论文采用Sharpness(清晰度)来表示图像的主要特征。图像的清晰度估计方法在各种工程应用中被逐步深化拓展,产生了很多值得借鉴和参考的研究成果和方法模型。在图像处理的应用中,利用熵对清晰度进行估计的方法被普遍应用。一幅图像的清晰度越高,则熵值越大,如果获得了最大熵值,则意味着图片质量较好。对于纹理图像来说,能量集中在特定的谱区域,因此通过度量各子带的能量是一种简单有效的清晰度评价方法。在小波变换中,图像的质量和清晰度与分解后的小波系数密切相关。论文把图像的清晰度评价作为重点,在不同的小波变换下(DWT、DTCWT、 Contourle、PDTDFB),把清晰度和统计特征均值和标准差结合起来,应用在图像的纹理检索系统中。本文的主要内容如下：一、深入学习了小波变换DWT、DTCWT、contourlet和PDTDFB的基本原理和框架结构,探究对比了它们各自的优缺点。分析了提取清晰度指数(FISH和FISHbb)的Sharpness算法作用在纹理检索领域的应用价值。二、探讨了在不同小波变换背景下Sharpness算法的改进方法。为了适应不同小波变换下高频子带分布的结构差异,我们针对不同的小波变换提出新的改进Sharpness算法,这种算法不但适应各类小波变换,而且能够准确表达不同图像的清晰度。三、改进的Sharpness算法提取的清晰度特征向量能够准确表达图像特征,我们把这个清晰度特征和传统的统计特征均值和标准差结合起来,把它们的组合应用在不同的小波变换背景下进行纹理检索,这种方法把小波变换的优异特性和清晰度特征有效结合起来,通过两个纹理库的对比验证,实验结果表明,这种方法有效提高了纹理库的检索正确率。

关键词：清晰度 DWT DTCWT contourlet PDTDFB 纹理检索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

毫米波辐射图像融合识别算法研究

毫米波辐射图像融合识别算法研究

作者：陈磊南京理工大学

学位级别：硕士

由于毫米波具有较好的穿透性,利用被动毫米波成像技术对隐藏在衣物下的危险物品(枪支、刀具、炸药等)进行识别、定位成为安检领域的又一研究热点。但是目前毫米波图像存在着分辨率低,模糊,高频分量缺失的不足。本文主要通过对毫米波和... 详细信息

由于毫米波具有较好的穿透性,利用被动毫米波成像技术对隐藏在衣物下的危险物品(枪支、刀具、炸药等)进行识别、定位成为安检领域的又一研究热点。但是目前毫米波图像存在着分辨率低,模糊,高频分量缺失的不足。本文主要通过对毫米波和可见光的图像融合深入研究,并对文献中融合算法进行了分析和改进,进而实现了基于毫米波图像的危险物品的识别和基于融合图像的危险物品的定位。论文分析了传统的加权平均算法融合的原理和不足,并在此基础上提出了基于特征区域增强的融合算法,在一定程度上改善了融合图像的质量。并将contourlet变换引入到毫米波和可见光图像的融合中,弥补了小波变换的方向表现能力不足。对分解后的不同层次融合准则进行了讨论,对比分析了现有文献中融合规则的优劣,针对毫米波和可见光图像自身的特点,提出了新的改进融合规则,使得融合图像的空间质量和信息量同时得到了均衡和提高。在图像融合的基础上,进行危险物品识别、定位算法的研究。在毫米波图像上提取危险物品的不变矩,利用模糊C均值聚类(FCM)算法来实现危险物品的识别,把识别出来的危险物品作为模板,在融合图像上实现匹配,定位出危险物品的位置。最后通过实验来论证识别、定位算法的可行性。

关键词：被动毫米波成像图像融合图像识别 contourlet 模糊C均值聚类(FCM)

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

SAR图像自动目标识别算法研究

SAR图像自动目标识别算法研究

作者：甘洪涌哈尔滨理工大学

学位级别：硕士

合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动目标识别(AutomaticTarget Recognition, ATR)技术是在无人为干涉的情况下，利用采集到的SAR图像数据，准确的找到感兴趣的区域，并提取目标的特征信息，识别出目标的类别属性。在S... 详细信息

合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动目标识别(AutomaticTarget Recognition, ATR)技术是在无人为干涉的情况下，利用采集到的SAR图像数据，准确的找到感兴趣的区域，并提取目标的特征信息，识别出目标的类别属性。在SARATR体系中包含最主要的三个步骤，即SAR图像预处理，SAR图像目标特征提取和SAR图像目标分类识别。本论文针对这三个步骤，完成了以下任务：1. SAR图像的预处理方法：本论文研究了一种基于复contourlet变换和隐马尔科夫树(HMT)模型的SAR图像去除相干斑噪声方法。该方法利用复contourlet变换的多尺度、多方向性和平移不变性的特点，将其与HMT模型相结合，从而能够准确地描述复contourlet变换域系数在相邻尺度间的相关性。对实验结果的定量分析可知，该方法取得了良好的去噪效果。2. SAR图像的特征提取方法：流形学习方法是模式识别的基本方法，本文应用的最大异类距离嵌入特征提取(Maximum Interclass Distance Embedding, MIDE)方法的创新性体现在既结合了主成份分析(Personal Computer Assistant, PCA)的差异特性和局部保持映射(Local Preserving Projection, LPP)的邻域信息，并同时融入了数据集的类别信息。利用此方法旨在找寻一个线性嵌入的映射，能够将投影后获得的不同类别的SAR图像特征彼此互相远离。3. SAR图像目标识别算法：文中提出了一种基于神经网络集成模型的SAR图像分类识别算法。该方法很好的克服了SAR图像对方位角敏感的问题，针对同向目标的特征空间训练一个神经网络实现目标分类，并使用另一个二级神经网络对多个单向目标识别器的识别结果进行结合，提高识别精度。将SAR图像自动目标识别三个阶段的三种方法同时应用在SAR图像自动目标识别中，通过仿真实验，定量分析可知，其最终的目标识别率高于其它较为优秀的算法所达到的目标识别率，证明该论文提出的算法是切实可行的。

关键词： SAR图像目标识别 contourlet MIDE 神经网络集成

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度分解的医学图像融合研究

基于多尺度分解的医学图像融合研究

作者：徐春艳江苏大学

学位级别：硕士

随着计算机技术和医学影像技术的迅猛发展,供临床医生诊断的医学影像设备类别与日俱增。由于各类传感器具有迥然不同的成像原理导致了单一类别传感器生成医学影像中包含的数据信息量有限,难以为临床医生提供可靠、有效的医学信息。针对... 详细信息

随着计算机技术和医学影像技术的迅猛发展,供临床医生诊断的医学影像设备类别与日俱增。由于各类传感器具有迥然不同的成像原理导致了单一类别传感器生成医学影像中包含的数据信息量有限,难以为临床医生提供可靠、有效的医学信息。针对该问题,学者们提出多模态医学图像融合技术。多模态医学图像融合技术能够将来自异同的传感器获得的医学图像,经过适当的匹配和叠加,以到达信息互补,增加有效信息量,从而为医生临床诊断和治疗方案的确定提供有效的参考依据。为此,本文基于多尺度分解理论、T混合模型以及鲁棒主成分分析模型,围绕多模态医学图像融合方法展开研究,提出了两种多模态医学图像融合方法。论文的主要创新工作如下:1.针对高斯分布容易造成数据拟合不佳、信息丢失等问题,提出了基于contourlet和T混合模型的医学图像融合算法(A Medical Image Fusion Algorithm Based on contourlet Transform and T mixture models,CTMM)。首先将MRI和PET图像的RGB空间变换成GIHS空间,在此基础上采用contourlet变换进行多尺度几何分解,得到多个高频子带和一个低频子带信息;然后采用绝对值选大法对高频子带系数进行融合,低频部分用EM算法对噪声或偏移的T混合模型进行融合;最后通过contourlet逆变换得到融合系数,将融合结果结合PET图像的饱和度和色度进行综合获得最后的融合图像。对MRI和PET的真实脑部图像进行实验分析,验证了CTMM算法的有效性。2.针对传统的图像处理是以单个像素点为基础进行融合而忽略了信息中的相似性以及信息丢失的问题,提出了基于NSCT和RPCA的医学图像融合算法(Medical Image Fusion Algorithm based on the NSCT and Improved Robust Principal Component Analysis,NSCTRPCA)。提出的NSCTRPCA算法主要分为三个步骤:(1)采用非下采样轮廓波(Nonsubsampled contourlet transform,NSCT)对源图像数据进行多尺度分解,得到高频和低频部分;(2)运用改进的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)对低频部分进行显著性检测,将其分解为低秩的主要信息和稀疏的显著信息。(3)矩阵中元素的绝对值越大表征更为显著的特征,所以采用绝对值最大法的融合规则对两幅图像的主要信息部分进行融合,对其显著信息采用相同的融合规则。对MRI和CT的脑部图像进行融合实验,实验验证了算法的有效性。

关键词：多模态医学图像融合 contourlet NSCT T混合模型鲁棒主成分分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

统计建模方法在图像融合中的应用研究

统计建模方法在图像融合中的应用研究

作者：张红英江南大学

学位级别：硕士

图像融合作为数据融合的一个重要分支，已在图像理解和计算机视觉等领域中得到广泛的研究和应用。其基本思想即通过一定的算法充分利用源图像中的冗余和互补信息，将两幅或多幅图像合成一幅新的图像，以获取对同一目标或场景更为精确、... 详细信息

图像融合作为数据融合的一个重要分支，已在图像理解和计算机视觉等领域中得到广泛的研究和应用。其基本思想即通过一定的算法充分利用源图像中的冗余和互补信息，将两幅或多幅图像合成一幅新的图像，以获取对同一目标或场景更为精确、更为全面、更为可靠、更易于理解的一致性描述和解释，从而增加图像的可信度和可理解性，提高观测的准确性和鲁棒性。目前，在常用的图像融合方法中，基于多分辨率分析的图像融合方法研究相当活跃，包括基于金字塔变换、小波变换以及多尺度几何分析MGA（Multi-resolution GeometricAnalysis）变换的融合方法。其中，多尺度变换克服了小波变换仅有有限个方向的局限性，具有高度的方向敏感性和各向异性（Anisotropy），更加擅长描述图像的边缘、轮廓、角点、方向性纹理等重要特征和细节信息，在图像融合等领域拥有广阔的研究和应用前景。另外，图像的多尺度变换系数在不同尺度、不同方向间以及空间邻域内都表现出强相关性，因此，建立多尺度变换域统计模型来准确有效地捕获系数间的统计依赖关系，具有极为重要的理论意义和研究价值。本文在学习传统的图像融合方法和已有统计模型的基础上，对图像多尺度变换域统计模型的建立进行了进一步的研究;在此基础上，探索了统计建模方法在图像融合中的应用。论文的主要研究内容如下：（1）通过对当今国内外多尺度几何分析方法理论知识及其应用的研究，深入分析了多尺度几何变换后分解系数在不同尺度间、同一尺度不同方向间以及同一子带空间邻域内的统计相关性，并利用最近邻系数、父系数、两个最近表兄弟系数和当前系数提出了一种新的上下文（context）设计方案，利用上下文信息结合隐马尔科夫模型HMM（HiddenMarkov Model）构建一个全面的统计相关模型CHMM（Contextual HMM），从而对图像分解系数之间的依赖关系进行精确地描述。（2）在新的上下文设计方案基础上，提出了一种基于contourlet域上下文隐马尔科夫模型（C-CHMM）和改进的脉冲耦合神经网络（M-PCNN）的医学图像融合方法。图像经contourlet变换后所得高频方向子带系数具有“高尖峰、长拖尾”的非高斯边缘分布特性，在相邻尺度、相邻方向和空间邻域内同样具有较强的相关性。本章采用新的上下文构造方案建立CHMM统计模型来全面捕获系数在尺度间的持续性、尺度内的多方向选择性和空间邻域内的能量聚集特性;然后计算改进的空间频率MSF作为M-PCNN的外部激励输入，并利用统计模型参数得到M-PCNN的链接强度取值，再统计每个神经元总的脉冲点火次数，选取点火次数最大的神经元对应的系数作为高频子带融合系数，而低频选用绝对值取大的融合策略。基于C-CHMM和M-PCNN的医学图像融合方法，对高、低频子带系数设计不同的融合规则，实验结果表明，相比于传统经典的融合方法以及目前国际最新的医学图像融合方法，本文所提融合方法能够有效地整合原始图像信息，增强图像的对比度，增加图像的有用信息量，丰富图像的细节特征，使最终融合图像的清晰度更高、质量更好。（3）在新的上下文设计方案基础上，提出了一种基于尖锐频率局部化contourlet域上下文隐马尔科夫模型（SFLCT-CHMM）和改进的双通道脉冲耦合神经网络（IDPCNN）的多聚焦噪声图像融合方法。图像在数字化和传输过程中常会受到成像设备和光照、温度等外界因素的影响而引入噪声干扰使其降质，如不消除必将影响到融合等后续更高级的处理研究，故采用有效的方法尽可能去除噪声是相当重要的预处理步骤。首先，建立SFLCT-CHMM统计模型对被噪声污染的多聚焦图像进行降噪处理，采用SFLCT解决了原始contourlet变换频域非局部化的问题，并结合循环平移CS（Cyclespinning）技术来弥补SFLCT缺乏平移不变性的不足，有效抑制图像在奇异点处产生的伪吉布斯效应（Pseudo Gibbs Phenomenon）。实验结果证明基于CS和SFLCT-CHMM相结合的去噪方法能在保留图像边缘、轮廓等细节特征的同时有效去除噪声，相比其它去噪方法可以获得更高的PSNR值。然后，对去噪后的图像采用一种基于IDPCNN的融合方法来获得最终的融合图像。IDPCNN具有强大的生物学背景，能够最大限度地保护图像中的纹理等信息，提高融合图像的解析度和准确性。仿真实验所得融合图像的主观视觉效果以及多种客观评价指标都较优，从而证实了本文所提融合方法的可行性和有效性。

关键词：统计建模图像融合多尺度几何分析 contourlet SFLCT 隐马尔科夫模型上下文脉冲耦合神经网络循环平移

基于多分辨分析和独立分量分析的红外小目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多分辨分析和独立分量分析的红外小目标检测

作者：纪守新南京航空航天大学

学位级别：硕士

红外小目标检测是精确制导武器的关键技术之一。如何快速、准确地实现复杂背景下红外小目标的检测具有重要的理论意义和实际应用价值。本文在介绍当前国内外小目标检测技术发展现状的基础上,研究了基于多分辨分析和独立分量分析的红外... 详细信息

红外小目标检测是精确制导武器的关键技术之一。如何快速、准确地实现复杂背景下红外小目标的检测具有重要的理论意义和实际应用价值。本文在介绍当前国内外小目标检测技术发展现状的基础上,研究了基于多分辨分析和独立分量分析的红外小目标检测方法,主要工作如下:1、提出了基于提升小波变换/双树复小波变换和形态学的红外小目标检测方法。该方法将提升小波变换/双树复小波变换取代小波变换,并结合形态Top-hat算子,实现了红外小目标图像背景抑制,增强了目标和背景的对比度。实验结果表明,该方法能较精确地检测出红外小目标,检测效果优于基于小波变换和形态学的检测方法。2、针对存在背景干扰和噪声情况下的红外小目标检测问题,提出了基于双树复小波和独立分量分析的红外小目标检测方法。原始图像减去通过独立分量分析分离出来的背景得到了运动小目标。再结合双树复小波变换,实现了红外小目标的快速检测。该方法检测概率高,优于基于快速独立分量分析的检测方法。3、实现了基于无下采样contourlet变换(NSCT)和独立分量分析的红外小目标检测方法。首先基于无下采样contourlet变换和独立分量分析对红外图像作预处理,然后采用基于类内方差及背景与目标面积差的阈值选取方法来分割预处理图像。与基于NSCT的红外目标检测方法该相比,该方法的检测性能更为优越。4、介绍了基于复contourlet变换和主分量分析的红外小目标检测方法。首先原始图像减去通过主分量分析分离出的背景图像,再用复contourlet变换去噪,接着利用Top-hat算子进行滤波得到预处理图像,最后采用模糊Renyi熵的阈值选取方法来分割预处理图像,实现了红外小目标的快速检测。5、提出了基于非负矩阵分解和独立分量分析的红外小目标检测方法。通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像。然后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。实验结果表明,该方法能有效地检测和分割出低信噪比等复杂背景红外图像中的目标。6、实现了基于二维对称交叉熵的红外图像阈值分割方法。首先导出了一维阈值选取公式,然后推广到二维,给出了二维直方图斜分阈值及二维直方图斜分的简化阈值选取方法,抗噪性能明显改善。与基于二维斜分的最大熵、Otsu及非对称交叉熵等三种阈值选取方法进行了比较,该方法在小目标分割效果上具有明显的优势。

关键词：红外图像序列小目标检测提升小波双树复小波 contourlet 独立分量分析非负矩阵分解对称交叉熵