一种基于多尺度分形新特征的目标检测方法

研究复杂自然背景下单帧图像的小目标检测问题.根据人造目标的分形特征随尺度变化比自然背景剧烈这一特点,提出一种多尺度分形新特征.该特征比标准分形维数更好地突出自然背景中的人造目标,对三种图像不同的背景干扰起到了较好的抑制作用.在多尺度分形新特征图像中采用局部直方图统计方法进行目标检测.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普适性,能从单帧图像中较好地检测定位小目标,检测准确率达95%以上.     

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。     

基于小波变换及分形特征的目标检测与识别

提出在对图像进行小波变换的基础上提取图像的分形特征，即通过小波变换对图像进行频域上的分割，使得对图像的描述更丰富，对各频段上的细节图像分别求分形维数组成联合特征矢量，有利于迅速准确地将目标从复杂的自然背景中分离出来，实验结果表明，这种方法能够有效地区分人造物体和自然背景，但计算量较大。     

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。     

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．     

小波多尺度分解及其在SAR图象目标检测中的应用

合成孔径雷达图象的目标检测是最重要的任务之一.目前用于目标检测的现有方法速度较慢、准确率较低、精度较差.作者提出小波分解的方法用于目标检测.同尺度目标检测采用二维离散二进小波分解方法,提高检测速度.不同尺度的目标检测采用多尺度二维离散小波分解方法,提高检测准确率.图象匹配采用灰度归一化的灰度相关匹配方法,提高匹配精度.实验证明,采用该法进行目标检测能获得较好的效果.     

具有平移和尺度不变性的图像小波多尺度特征

在平移和尺度不变自适应小波变换的基础上,提出了一种稳定的小波多尺度图像特征,这种自适应的图像多尺度特征具有平移和尺度不变性.实验证实了所定义的特征向量在尺度和平移变换下是稳定的.     

基于分级轮廓分形特征的舰船目标识别方法

采用一种共线性检查算法去除舰船轮廓这，利用轮廓曲率的分级分形特征建立前视成像木制导过程中舰船目标的分级模型数据库，提出了一种基于分级分形特征的大型舰船目标识别方法，对舰船目标的实验结果表明了该识别方法的有效性和正确性。     

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.      

基于分维特征的目标分割与检测

提出了一种改进的盒维数算法 .基于这种盒维数定义 ,对高通滤波后的图像逐点计算 ,所得的盒维数为该点的分形特征 .根据这种算法 ,背景中多种不同纹理的特征值非常接近 ,而目标所在位置的特征值高于背景所在位置的值 .并提出一种迭代的分割 聚类法检测各目标 .     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法。首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法。     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法.首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘.通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法.     

基于旋转不变小波阈值的多尺度边缘检测

在自适应多尺度边缘检测算法中,用旋转不变小波非线性阈值代替原来的高斯滤波做平滑,并对尺度指数采样产生尺度集合,以确定边缘像元的最佳尺度,得到基于旋转不变小波阈值的多尺度边缘检测算法.该算法避免了对原图像的过度光滑,用于检测边缘的最佳尺度与边缘存在的尺度空间范围相匹配.实验证明新算法检测的图像比较清晰,具有较高的信噪比,而且可以用来检测含少量白噪声图像.     

一种基于小波能量分析的目标识别方法

针对坦克目标与主要干扰(金属废弃物和可能出现的水面)的毫米波辐射特性在时域内难以区分的问题,采用小波分解的方法提取毫米波信号在不同尺度上的能量信息,以概貌分量能量和细节集中特征能量层为识别依据,通过统计的方法设计了识别门限.理论分析及仿真结果表明,该方法是有效可行的.     

基于图像分块的多尺度Harris特征点检测算法

通过分析Harris特征点检测算法在应用中的不足,提出一种基于图像分块的多尺度Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀.实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步图像特征点匹配工作提供了保证.     

基于多尺度模糊逻辑的小波边缘检测方法

针对非极大抑制法中由于单一选定阈值所带来的确定性对边缘提取效果的影响,提出了一种新的基于模糊逻辑的图像边缘检测方法,即在不同尺度下实现图像的模糊增强,从而提高边缘检测精度.该方法对图像分别在不同尺度下低通滤波后实施广义模糊增强算法,增强灰度的区域对比度,更好地实现了在大尺度下抑制噪声、在小尺度下精确定位的效果.实验证明了该方法对影子(phantom)边缘的检测有较好的效果.     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。