基于小波变换和分形理论的目标检测方法研究

论文摘要

目标检测历来被认为是一个十分复杂的问题,同时也是图像理论发展的瓶颈之一。小波变换和分形理论的提出拓宽了人们的视野。基于小波变换的目标检测是利用小波变换的多分辨率特点,降低图像中噪声的干扰。而基于分形理论的目标检测是利用人造目标和自然背景之间的分形特征差异来检测人造目标。本文主要研究了基于小波变换理论和分形理论的目标检测方法。首先研究了基于小波变换的目标检测方法。为减少受噪声的干扰,分析了各种图像预处理算法,改进了基于小波变换和能量交叉的目标检测方法。然后在分析了分形理论的基础上,改进了求取分形维数的“地毯”覆盖法,研究了基于分形维数特征的目标检测方法。由于单纯利用小波变换或分形特征进行目标检测时,检测结果都不够精确,本文提出了基于小波变换和分形特征相结合的目标检测方法。该方法利用了它们各自的优点,先对图像进行小波变换。再对图像的各频段计算分形维数特征,然后把分形维数作为该像素的能量值,从而对各频段进行能量交叉运算,这样可以减少噪声干扰,同时更能突出目标。最后确定阈值进行图像分割,得到检测的结果。实验证明利用该方法检测目标更精确。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的背景与意义
• 1.2 目标检测方法及研究现状
• 1.2.1 基于像素分析的目标检测方法
• 1.2.2 基于特征检测的方法
• 1.2.3 基于变换的目标检测方法
• 1.2.4 基于分形理论的目标检测
• 1.2.5 当前目标检测的缺点
• 1.3 论文的研究内容及安排
• 第二章 小波变换基本理论
• 2.1 引言
• 2.2 从FOURIER分析到小波分析
• 2.3 小波分析理论基础
• 2.3.1 小波的定义
• 2.3.2 小波变换和小波分析
• 2.3.3 连续小波变换
• 2.3.4 离散小波变换
• 2.3.5 小波重构
• 2.4 多分辨率分析
• 2.4.1 多分辨率分析理论
• 2.4.2 二维信号分解与合成的Mallat算法
• 2.5 提升小波
• 第三章 分形基本理论介绍
• 3.1 引言
• 3.2 分形的概念
• 3.3 分形维数
• 3.3.1 Hausdorff维数
• 3.3.2 计盒维数
• 第四章 基于小波变换的目标检测方法
• 4.1 引言
• 4.2 基于小波变换的图像预处理
• 4.2.1 利用小波的特性对高频系数置零的去噪方法
• 4.2.2 基于小波变换的模极大值去噪算法
• 4.2.3 小波系数闭值去噪方法
• 4.2.4 基于小波系数相关性的滤波算法
• 4.2.5 仿真实验
• 4.2.6 实验结果分析
• 4.3 基于小波变换的目标检测方法及仿真
• 4.3.1 小波连续尺度目标检测算法
• 4.3.2 基于小波变换和能量交叉的目标检测算法
• 4.3.3 仿真实验
• 4.3.4 实验结果分析
• 4.4 本章小结
• 第五章 基于分形特征的目标检测方法
• 5.1 引言
• 5.2 计算图像分形维数的几种方法
• 5.2.1 分形布朗随机场模型（FBR）
• 5.2.2 “地毯”覆盖法
• 5.2.3 “盒子”维
• 5.2.4 快速实现“地毯”覆盖法
• 5.2.5 仿真实验
• 5.2.6 实验结果分析
• 5.3 基于分形特征的目标检测方法及仿真
• 5.3.1 基于分形维数的目标检测算法
• 5.3.2 仿真实验
• 5.3.3 实验结果分析
• 5.4 本章小结
• 第六章 基于小波变换和分形特征的目标检测方法
• 6.1 引言
• 6.2 基于小波变换和分形特征的目标检测算法
• 6.3 仿真实验
• 6.4 实验结果分析
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 论文总结与创新点
• 7.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果