基于边缘检测的小波阈值图像去噪

小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,提出了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。     

一种基于平稳小波变换的海底管线边缘检测方法

海底影像存在着对比度低、噪声污染严重、图像质量差等问题，采用传统算子的海底管线边缘图像中含有大量的无用和断裂边缘信息。文中将多尺度边缘检测和匹配跟踪相结合，提出利用平稳小波变换的海底管线边缘检测方法；在提取边缘的同时利用匹配跟踪手段对噪声干扰进行抑制，提高图像目标边缘检测质量。通过对海底管线和测试图像边缘检测实验表明，文中所提出的方法在抑制图像噪声的干扰、提高水下目标边缘完整性方面明显优于传统的边缘提取算子，证明该算法的有效性。     

基于小波变换的声纳图像边缘特征检测研究

声纳图像的边缘特征检测是其目标识别技术的重要技术基础。声纳图像背景复杂、噪声污染严重,而传统的边缘检测方法对图像噪声非常敏感,所以针对这一特点,利用小波变换易于消除噪声、运算方便的数学特征,提出了一种基于小波变换的声纳图像边缘特征检测算法。由计算机仿真结果可以得到,与传统的边缘检测算法相比,此算法在有效地抑制噪声的同时,还可以得到较高的边缘定位精度,能够很好地检测到原始声纳图像的边缘。     

小波变换在水下目标回波奇异性检测中的应用

小波变换突破了传统Fourier变换等信号处理方法均限制,具有表征信号局部特征的能力,信号的局部奇异性包含了信号的许多重要信息,论文研究了信号的奇异性检测问题。给出小波变换和信号奇异性的关系,实现小波分析对信号各类奇异间断点的有效检测,最后进行实例分析,说明此理论与方法适用于对边缘信号与突变信号的处理和提取,为海底底质识别提供理论依据。     

基于非抽取小波变换贝叶斯估计的水下红外图像去噪

利用非抽取小波变换的平移不变性和冗余性的特点,在贝叶斯估计下,结合广义高斯分布(GGD)对小波系数进行建模,构造了一个基于拉普拉斯分布的MapShrink子带自适应图像去噪算法和阈值函数。对HH1子带小波系数进行2j抽取,并估计噪声方差,该算法有效地抑制了伪吉布斯现象。仿真结果表明,利用新算法进行水下红外图像去噪,在信噪比增益和最小均方误差意义上均优于传统的Bayesian去噪方法。     

高频浅地层剖面技术在海底管道探测中的应用

在海底管道的探测中,为获知海管在海底的真实赋存状态,确定其埋藏深度或悬跨高度,多使用高频浅地层剖面仪等传统声学设备。但在海底斜坡、凹坑、凸起等不平整地层处,由于设备自身原理造成的地层探测界面偏移、图像失真及资料多解性问题仍困扰着工程人员。通过正演模拟的方法探究高频浅地层剖面仪在海底特殊地层处海管检测的波场传播特征,探讨资料的解释陷阱,并提出了解决方案。研究结果表明,利用浅地层剖面仪探测管道在海底的赋存状态,应将探测图像与海底地形、地貌、沉积物运移等因素结合起来综合考虑,把探测图像回归到真实海底环境中,以准确评价海底管道的安全状态。     

基于小波奇异性检测技术的海底沉积物声速测量结果分析

海底沉积物声速是海洋物理学和水声学研究的一个重要物理量。声速测量的准确性取决于如何准确计量超声波在沉积物介质中的传播时间。针对传统的观察波形突变法存在不足,文中基于小波变换独特的时-频局部化特征,阐明了小波变换信号奇异性检测原理,分析讨论如何利用该原理来检测海底沉积物声速测量中的超声回波信号起跳点。用Matlab数值计算软件,把记录的波形数据文件导入工作空间,选用Db3小波进行5层小波分解,观测其模极大值点的位置;用Gauss小波进行连续小波变换,观测其模极大值线的位置。并用两个实例验证了小波变换检测超声回波起跳点可行性及优越性,可提高海底沉积物声速测量的准确性,为海底智能化检测仪器的研发提供技术基础。     

基于海底DEM的洋中脊火山锥自动识别方法研究

洋中脊是板块扩张和洋壳增生的主要区域,除了发育沿洋脊走向的裂隙式喷发火山脊,还分布有众多零星的中心式喷发火山锥。这些火山锥的形态和分布对了解洋中脊构造和岩浆活动具有重要的指示意义。基于海底多波束地形数据,采用人工或机器解译方法可以识别这些火山锥。本文利用大洋24航次船载多波束测深获得的卡尔斯伯格脊DEM(数字高程模型)数据,以非监督分类为手段,开展洋中脊火山锥的自动提取方法研究。基于原始DEM计算地形坡度、地表粗糙度、正负地形等衍生参数,进行特征变换,提取火山锥的特征信息。使用ISO(迭代自组织)聚类方法对特征变换后的图像进行聚类分析,并利用景观形状指数进行几何筛选,完成火山锥的自动提取。所使用的海底火山锥自动识别方法,正确率达0.8,重叠率约0.7,识别效果较好,效率高,能够在海底大范围的火山锥解译中发挥重要作用。     

基于小波变换和高斯函数的影像去噪方法研究

提出了小波变换与高斯函数相结合进行影像去噪的方法，在去除高斯白噪声的同时能够有效去除椒盐噪声。此方法是在小波域内结合小波变换的特点对高频子带分别进行高斯低通滤波，将滤波后的小波系数经过反变换后即可得到经过去噪后的影像。实验表明该方法不仅对高斯噪声和椒盐噪声去噪效果明显，而且保留了影像的细节信息，其滤波效果优于中值滤波和小波软阈值法。     

利用海岸带遥感图像提取岸线的小波变换方法

小波变换作为一门新兴的数学分支已被广泛应用于图像处理领域。本文将小波变换应用于黄河三角洲遥感图像的边缘提取 ,检测出图像的边缘 ,从而得到了三角洲岸线信息。实验结果表明基于小波变换的图像边缘提取要优于经典边缘算子的提取。此方法对于把握河口三角洲的冲淤演变规律和海岸带开发具有重要意义     

海底管道检测与三维点云重建算法

随着海底油气管道的铺设规模越来越大,为防止管道油气泄漏而导致人员伤亡和财产损失,海底管道的日常巡检尤为重要。提出一种基于多波束点云的海底管道检测与三维重建算法,利用高频多波束声纳对水下管道进行成像,对声纳图像采用经典边缘检测算法检测管道边缘,得到相应的点云数据,将点云数据拼接成一组完整的空间点云集合,对点云集合进行三维重建。通过水池试验结果证明,提出的算法流程能够有效地实现水下管道的检测与三维重建,具有较好的工程应用前景。     

合成孔径雷达图像中海洋内波的特征检测

海洋内波在合成孔径雷达(SAR)图像中具有特定纹理分布,因此可以根据海洋内波SAR图像的纹理分布特性,进行内波海面特征检测。利用功率谱对具有不同纹理特征的SAR图像进行分析,并对特征进行分类统计得出内波的功率谱特征。在海洋内波区域,利用多孔小波变换及多尺度融合提取海洋内波特征,在此基础上对波-流散射系数进行提取。提出了"内波特征的功率谱特征-多孔小波综合检测算法",为海洋内波参数反演奠定了基础。     

一种基于小波阈值的SAR图像降噪方法

由于SAR特殊的相干成像机理导致图像有斑点噪声,使得目标识别和特征提取造成困难。在小波变换阈值降噪法的基础上,提出一种改进的SAR图像降噪方法。先用新的阈值公式对图像进行小波分解,再对小波系数进行更为细致的处理,最后通过逆变换实现图像去噪和重建。实验结果表明,与传统方法相比,本方法更为有效地去除了SAR图像的噪声,并能保持图像的细节特征,有着良好的图像视觉解译效果。     

基于小波消噪和希尔伯特黄变换的损伤检测技术研究

针对经验模式分解(EMD)易受噪声影响的缺点,提出采用小波消噪结合Hilbert-Huang变换的结构损伤检测方法。首先对含噪声振动信号进行小波消噪预处理实现信噪分离,再进行EMD分解得到若干固有模态函数(IMF),利用希尔伯特(Hilbert)变换得到其瞬时频率。提出了一个基于低阶瞬时频率变化率的损伤判定指标,利用此指标可以判断损伤是否发生。数值研究结果表明小波消噪结合HHT的方法是进行损伤检测比较有效的方法。     

基于数学形态学的藻细胞图像预处理

针对藻细胞原始图像的特点,将数学形态学中的闭运算、自适应形态面积开运算、形态重构及Canny算子相结合,用于对混杂大量噪声的原始藻细胞灰度图像进行预处理,包括去噪、重建保留原始图像细节信息的藻细胞图像.在预处理的过程中,利用形态边缘检测算子对藻细胞的边缘轮廓进行了检测.实验证明该方法能有效的去噪.所提取的藻细胞的边缘轮廓精确、完整,为后续的特征提取及分类识别奠定了良好基础.     

海底管道检测中侧扫声纳声波掠射角的优化设计

针对利用侧扫声纳检测海底管道时因其检测声影图像模糊而导致管道悬空高度检测误差过大的问题,提出了侧扫声纳声波掠射角优化设计的思路及方法。阐述了利用侧扫声纳对海底管道进行检测的工作原理,并利用海底管道和海底底质反向散射强度的计算公式探讨了声波在海底的反向散射强度、侧扫声纳声影图像的质量以及声波掠射角的取值这三者之间的关系对海底管道悬空高度h计算精度的影响,从理论上确定声波掠射角最佳取值范围的存在。通过工程实例的现场检测与比对试验,获得了在本试验所处海域环境中利用侧扫声纳检测海底管道时声波掠射角的最佳取值范围,对于类似的海底管道检测工程具有一定的指导意义。     

基于二维小波变换的面波压制技术

鉴于常规的傅里叶变换滤波及f-k滤波等压制面波的局限性,基于小波基函数的特点,提出一种基于二维小波变换的低频噪音压制方法:在对比分析各类型小波的基础上,选择利于低频面波压制的小波基函数;通过二维小波分解将地震数据转换到时间、空间、频率、波数四维域中,对含面波成分的低频高波数部分进行高通滤波;重构地震数据,得到压制面波后的处理结果。经理论模拟记录的试算和低频采集资料的处理证明,本方法去噪效果好,且在面波压制过程中较好地保护了低频有效波。     

基于磁异常检测的海底管道探测技术研究与应用

海底管道是海洋油气输运的重要命脉,需要定期进行检测探测以分析评估其安全稳定性。基于埋设海底管道及其磁异常特征,通过研究埋设海底管道磁异常的检测技术及其组成、应用方法,优化海底管道磁异常检测设备布设与检测测线方案,实现埋深大于5 m的深埋海底管道磁异常特征的完全检测。通过海底管道磁异常数据反演可获取实测海底管道路由相比设计竣工路由的坐标偏距、管道埋深等数据,在某区域14.5 km长的海底管道探测实际工程中应用良好,探测数据符合管道路由勘察评价标准规范,为管道埋藏状态分析提供了依据,形成了一种高效、精确的海底管道探测评价方法。     

二维小波变换在侧扫声图目标检测中的应用

针对侧扫声纳图像目标边缘检测困难的问题,利用二维离散小波变换对侧扫声纳(SSS)声图进行多分辨率分析,对大尺度分解的小波系数进行非极大值抑制,并重构小尺度上的低频分量。联合各尺度上的低频分量,构建SSS声图像素点处特征向量,构成其特征空间,对特征空间进行主成分分析,压缩其维数,并对压缩后的特征向量进行K-均值聚类分析,提取类间边缘线。利用含有沉船的SSS声图,并在其均质区域内加入目标与声影进行验证实验。该方法在实验中边缘检测准确率为0.90,表明该方法的有效性。     

基于数学形态学的侧扫声呐图像轮廓自动提取

侧扫声呐图像特征自动提取的难点在于特征地貌边缘检测较困难,依据图像灰度突变检测得到的边缘比较粗糙、不连续,而且有断口和小洞。本文在对图像进行预处理和阈值化的基础上,采用数学形态学方法对图像进行处理,即用具有一定形态的结构元素去量度和提取图像中的对应形状,得到连续化、粗化、圆滑的特征区域边缘填充目标内部阴影且消除背景噪声。基于数学形态学的侧扫声呐图像特征自动提取的主要步骤为:首先对侧扫声呐图像进行预处理,然后进行灰度阈值化,接着采用数学形态学方法进行处理,最后对处理后的图像进行边缘检测,提取出特征地貌边缘。实验表明,采用数学形态学方法进行处理后,错断、离散的海底目标物变得连续,背景噪声大大减少,自动提取结果准确可靠。