基于小波变换的红外图像处理技术研究

基于小波变换的红外图像处理技术研究

论文摘要

红外成像技术是大量应用于军事、民用的无源探测技术,如:夜视成像、制导、搜索、跟踪、勘探、医疗等方面。因为红外图像有对比度低、边缘模糊、整幅图像噪声较大而且成份复杂的缺点,所以红外图像的质量直接影响着红外成像技术的广泛应用,而红外图像的质量好坏很大程度上取决于红外图像处理技术的先进性和正确应用。20世纪80年代开始,国内外就已经投入了大量人力、财力研究红外图像的处理技术,虽有不少新理论、新算法问世,但就满足现代多变战术和自然环境中使用的高级武器系统来说,还无法满足要求,所以对红外图像的处理技术的研究,以及新的、更加有效的算法的提出就显得非常重要。目前主要应用的红外图像处理方法大都集中在空域或频域中进行,由于小波变换具有同时对“时-频”进行分析的特性,它能将二维信号分解到不同的分辨率尺度,因此特别适合进行图像分析,基于小波变换的图像处理技术也成为目前图像处理技术的研究热点之一。研究表明,将小波变换应用于红外图像的处理技术中能有效的提高图像质量,以及准确获取我们需要的图像信息。本文基于小波变换的红外图像处理技术,主要从两个方面进行了系统、深入的研究。第一方面是对红外图像的去噪问题进行横向的对比研究。从空域滤波到频域率滤波,同时介绍了自适应滤波、二值形态学滤波等常用的滤波方式,最后发展到基于小波变换的红外图像的去噪,通过实验揭示了各个去噪算法的优缺点,显示出了小波变换应用于红外图像去噪中的可行性和优越性;第二方面是对红外小目标检测的问题进行了纵向的深入研究。通过分析红外小目标图像的特性,以及对常用红外小目标检测算法的研究、仿真,提出了一种基于小波变换的红外小目标检测算法,算法采用了新的阈值提取方法、更加有效的阈值化函数以及一种综合表决方式,使红外小目标探测的效果和速度得到了全面提高,仿真结果证明:无论是实时性还是可靠性,新算法都优于其他算法。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 论文研究背景
  • 1.2 红外图像处理技术概述
  • 1.2.1 红外图像处理的对象和目的
  • 1.2.2 红外图像成像技术
  • 1.2.3 红外图像处理技术研究现状
  • 1.3 小波变换在红外图象处理技术中的应用
  • 1.3.1 小波理论的发展及研究现状
  • 1.3.2 小波变换应用于红外图像处理技术
  • 1.4 本文的主要研究工作
  • 第二章 小波分析基础
  • 2.1 傅立叶变换
  • 2.2 小波变换概述
  • 2.3 连续小波变换
  • 2.3.1 定义
  • 2.3.2 小波变换的等效频域表示
  • 2.3.3 连续小波变换的性质
  • 2.4 二维离散小波变换
  • 2.4.1 二维离散小波变换对图像的多尺度分解
  • 2.4.2 多分辨率分析
  • 2.4.3 尺度和离散化的小波变换
  • 2.4.4 离散小波变换的Mallat 算法
  • 2.5 本章小结
  • 第三章 基于小波变换的红外图像去噪
  • 3.1 红外图象的噪声分析和质量评价标准
  • 3.1.1 红外图像的噪声源分析
  • 3.1.2 红外系统的噪声
  • 3.1.3 红外图像质量评价标准
  • 3.2 红外图像去噪算法
  • 3.2.1 概述
  • 3.2.2 重要算法描述
  • 3.3 基于小波变换的红外图像去噪算法
  • 3.3.1 小波变换在红外图像去噪中的应用
  • 3.3.2 基于小波变换的阈值萎缩法去噪
  • 3.4 算法仿真
  • 3.4.1 图像相加去噪
  • 3.4.2 空域低通滤波
  • 3.4.3 频域低通滤波
  • 3.4.4 形态学滤波
  • 3.4.5 基于小波变换的阈值萎缩法去噪
  • 3.5 本章小结
  • 第四章 基于小波变换的红外图像小目标检测
  • 4.1 噪声分析及噪声模型
  • 4.2 检测算法
  • 4.2.1 空域高通滤波算法
  • 4.2.2 自适应滤波算法
  • 4.2.3 最小均方差滤波
  • 4.2.4 基于小波软阈值的峰值检测算法
  • 4.2.5 本文提出的小波检测算法
  • 4.3 仿真实验
  • 4.3.1 各种滤波仿真
  • 4.3.2 基于小波变换软阈值的峰值检测仿真
  • 4.3.3 本文算法仿真
  • 4.3.4 算法实时性的研究
  • 4.4 本章小结
  • 第五章 结束语
  • 致谢
  • 参考文献
  • 研究成果
  • 附录
  • 相关论文文献

    • [1].基于区域生长的自适应红外图像火焰识别[J]. 南方农机 2020(05)
    • [2].基于红外图像识别的智能远程控制消防装置[J]. 今日消防 2020(01)
    • [3].基于雾线暗原色先验的红外图像去雾算法[J]. 红外技术 2020(06)
    • [4].基于生成对抗网络的红外图像数据增强[J]. 计算机应用 2020(07)
    • [5].基于迁移学习的红外图像分类[J]. 天津职业技术师范大学学报 2020(03)
    • [6].一种多分辨多尺度的红外图像增强算法[J]. 激光杂志 2019(08)
    • [7].一种基于区域显著性识别的红外图像增强方法[J]. 江苏大学学报(自然科学版) 2019(06)
    • [8].基于密度相似因子的电力红外图像分割方法[J]. 红外技术 2017(12)
    • [9].基于融合技术的单幅红外图像增强方法[J]. 电子器件 2018(04)
    • [10].对受灾区域红外图像优化识别仿真[J]. 计算机仿真 2017(03)
    • [11].海上远距离目标探测中的红外图像增强算法[J]. 大连海事大学学报 2015(04)
    • [12].红外图像采集及特征提取技术的研究[J]. 激光杂志 2016(08)
    • [13].远程微小红外图像小差异特征分类算法仿真[J]. 计算机仿真 2015(07)
    • [14].红外图像影响因素及增强方法[J]. 农村科学实验 2017(03)
    • [15].复杂海面的舰船弱目标红外图像提取方法[J]. 舰船科学技术 2020(18)
    • [16].基于大数据的舰船红外图像目标实时跟踪方法[J]. 舰船科学技术 2020(02)
    • [17].基于红外图像处理技术的钢构件损伤识别[J]. 红外技术 2020(03)
    • [18].一种红外图像增强算法在无人机巡检输电线路上的应用[J]. 电子设计工程 2020(16)
    • [19].红外图像特征的三维提取技术[J]. 激光杂志 2019(02)
    • [20].红外图像中快速运动目标的检测与跟踪方法[J]. 红外技术 2019(03)
    • [21].基于多感知的红外图像增强算法设计[J]. 信息与电脑(理论版) 2019(13)
    • [22].基于透射图融合的红外图像传感器信号增强方法[J]. 传感技术学报 2019(07)
    • [23].基于红外图像的船舶特征识别方法[J]. 舰船科学技术 2018(12)
    • [24].基于最小平均距离免疫算法的模糊红外图像分割(英文)[J]. 光谱学与光谱分析 2018(11)
    • [25].基于人眼视觉的红外图像增强算法研究[J]. 激光与红外 2017(01)
    • [26].针对边缘检测和数学形态学的红外图像增强算法[J]. 佳木斯职业学院学报 2017(01)
    • [27].一种可见光和红外图像加权融合最佳权值因子的确定方法[J]. 电子世界 2017(13)
    • [28].红外图像识别在舰船火灾中的应用分析[J]. 舰船科学技术 2017(20)
    • [29].一种基于实测数据温差扰动的红外图像实时生成方法[J]. 红外技术 2017(10)
    • [30].外场提高红外图像质量研究[J]. 电子测试 2016(14)

    标签:;  ;  ;  ;  

    基于小波变换的红外图像处理技术研究
    下载Doc文档

    猜你喜欢