基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明：该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

Hermite多尺度函数在普通电阻率测井模式匹配法中的应用

模式匹配法是普通电阻率测井的一种有效的半数值、半解析的正演方法。在使用有限元法进行数值解时,基函数的选取十分重要,它影响着计算的速度和精度。Hermite多尺度函数具有正交性、高阶逼近和一阶偏导数在节点连续等特性,本文在解决数值本征模式解时,将Hermite多尺度函数作为形函数,并对其进行了改进。在不同介质的地层模型中进行验证,实验结果表明将该函数作为有限单元的形函数,电流在节点处连续并且计算精度大大提高。     

基于灰度特性的海天背景小目标检测

针对复杂海天背景下的小目标检测存在海浪、云层干扰等问题,提出了先提取海天线,然后利用一维最大熵阈值分割法对出现在天空、海面或者海天线附近特定区域的目标进行检测的算法。该算法主要利用天空海面行灰度均值特性,结合梯度运算和形态学运算在海天线的潜在位置中检测边缘,进而用强鲁棒性的Hough变换直线检测法拟合海天线,实现对海天线的准确定位。实验处理分辨率为：256pixel×256pixel的位图时,定位海天线需时4．1ms,检测到目标需时5．3ms,完全满足高帧频图像处理的实时性要求。实验结果表明,该算法能够快速、准确地检测出小目标,大大降低了虚警率。     

基于偏微分方程的非线性弱目标增强算法

为解决低对比度弱目标单帧检测率较低的问题,提出一种基于偏微分方程(PDE)的弱目标增强算法,对传统的P-M各向异性扩散模型进行改进,在扩散函数中引入锐化因子,通过选取适当的梯度门限和锐化强度参数,自适应地平滑背景和增强弱目标.该算法与中值滤波相结合,消除了传统模型在处理椒盐噪声方面的缺陷.仿真实验表明,该算法可有效克服传统滤波器的缺陷,在抑制干扰和噪声的同时增强目标.     

基于自适应平台阈值和拉普拉斯变换的红外图像增强

针对红外图像对比度低和边缘模糊的特点,提出了一种结合自适应平台直方图均衡化和拉普拉斯变换的方法。采用双数字信号处理器（DSP）并行处理,其中一片DSP采用自适应平台直方图均衡化的方法获得对比度增强后的图像;另一片DSP则进行拉普拉斯变换获得原始图像的边缘图像;最后由第二片DSP完成两幅图像按系数相乘后的叠加融合。实验结果表明：该算法增强效果和实时性较好,处理频率可达50 Hz,既提高了图像对比度又清晰了图像边缘,是提高图像对比度和边缘清晰度的高效算法。     

基于切分模板的实时跟踪算法

相关匹配算法是一种经典的匹配算法 ,通过计算模板图像和待匹配图像的互相关值来确定匹配的程度 ,具有很高的准确性和适应性 ,在目标跟踪中得到了广泛应用。但是相关匹配算法计算耗时过于庞大 ,难以达到实时要求 ,并且当目标在模板中所占比例很小时 ,很难确定模板的准确位置 ,使得此算法在实时目标跟踪中难以得到应用。文中在相关匹配的基础上提出了一种基于切分模板的实时跟踪算法。匹配的模板被分为几个部分 ,每个部分均有不同的加权值 ,最后的相关匹配度为各部分匹配度的加权和。算法中还设置了一个不是实时更新的加权模板 ,以提高算法的抗干扰能力 ,并采用金字塔搜索算法进行加速。实验结果显示 ,此算法有效地克服了相关匹配算法的缺点 ,具有较好的匹配精度和实时性     

基于自适应平台阈值和拉普拉斯变换的红外图像增强

针对红外图像对比度低和边缘模糊的特点,提出了一种结合自适应平台直方图均衡化和拉普拉斯变换的方法。采用双数字信号处理器(DSP)并行处理,其中一片DSP采用自适应平台直方图均衡化的方法获得对比度增强后的图像;另一片DSP则进行拉普拉斯变换获得原始图像的边缘图像;最后由第二片DSP完成两幅图像按系数相乘后的叠加融合。实验结果表明:该算法增强效果和实时性较好,处理频率可达50 Hz,既提高了图像对比度又清晰了图像边缘,是提高图像对比度和边缘清晰度的高效算法。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明:该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。