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。     

基于树型小波变换和尺度共生矩阵的居民地提取

利用基于树型框架小波变换和尺度共生矩阵的方法对遥感影像中居民地进行识别提取。通过非完全树型框架小波变换把图像变换到不同的尺度层上,然后在不同尺度层之间,提取相互依存的尺度共生矩阵信息,进而形成居民地的纹理特征。实验结果表明,用基于小波的尺度共生矩阵的方法对居民地有较好的提取结果。     

基于双树复数小波变换的特征点水印算法

提出了一种基于双树复数小波变换的特征点数字水印算法。对图像做三级双树复数小波变换,用F rstner算子提取图像低频子带中的特征点,根据复数小波变换的系数特点,通过修改相应的高频系数来实现水印信息的调制嵌入,提取水印信息的同时能够近无损恢复原始载体图像。算法兼顾了水印的鲁棒性和不可见性,能够有效抵抗剪切、平移、旋转等几何攻击,对线性拉伸、低通滤波等攻击也具有一定的鲁棒性。     

边缘保留自适应提升形态小波及其在甲藻特征提取中的应用

自适应提升形态小波将多分辨率分解和图像空域中目标的几何结构和局部特征相结合,可以满足特定图像处理任务的需要。本文针对甲藻类细胞显微图像边缘模糊、对比度低等不利于甲沟特征提取的困难,构造1种边缘保留自适应提升形态小波。该小波将图像的边缘作为重要的局部特征,更新提升根据是否是边缘像素选择保留、锐化滤波或平滑滤波,使得分解后的近似图像中,图像边缘得以保留,而灰度变化缓慢的区域得到了平滑。实验结果证明:甲藻细胞经边缘保留自适应提升形态小波分解后的近似图像,在一定程度上突出了目标边界,较之原始图像,更有利于甲沟特征的提取。     

边缘保留自适应提升形态小波及其在甲藻特征提取中的应用

自适应提升形态小波将多分辨率分解和图像空域中目标的几何结构和局部特征相结合,可以满足特定图像处理任务的需要.本文针对甲藻类细胞显微图像边缘模糊、对比度低等不利于甲沟特征提取的困难,构造1种边缘保留自适应提升形态小波.该小波将图像的边缘作为重要的局部特征,更新提升根据是否是边缘像素选择保留、锐化滤波或平滑滤波,使得分解后的近似图像中,图像边缘得以保留,而灰度变化缓慢的区域得到了平滑.实验结果证明:甲藻细胞经边缘保留自适应提升形态小波分解后的近似图像,在一定程度上突出了目标边界,较之原始图像,更有利于甲沟特征的提取.     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。     

一种基于小波变换的SAR海洋图像数据增强系统

提出了一种基于小波变换的SAR海洋图像数据增强系统,并进行了试验.本系统包括小波变换、Speckle及Pepper-Salt噪声抑制、船等目标提取、内波提取、目标数统计和图像图形显示放大等功能.该图像增强系统可以对含有常见的高斯噪声及Speckle和Pepper-Salt非高斯噪声的污染图像数据进行增强处理,可对SAR等微波成像传感器数据、光学成像传感器数据进行增强处理,具有广泛的应用前景     

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。     

声纳海底管道图像去噪方法研究

在海底输送管道泄露检测中,声纳图像极易受到噪声污染。如果以管道的直线特征作为检测策略,即能观察到明显的管道直线边缘等特征以进行管道泄露分析。利用小波变换的改进方法——超小波脊波变换,针对噪声淹没中海底管道图像的直线特征实现去噪,增强管道部分图像。利用自适应"维纳滤波"进行图像去噪和去"卷绕"。仿真实验表明,脊波去噪技术相对于其它方法对管道图像去噪方法具有明显边缘等直线特征保持作用。文中研究结果为海底管道泄露图像处理技术提供数据预处理方法。     

小波函数对侧扫声纳图像滤波效果的影响分析

侧扫声纳技术应用日益广泛,已成为海洋测量的重要工具,而去除噪声处理是对侧扫声纳图像进行正确判读的前提。利用小波函数滤波处理的方法,分别采用Haar、Daubechies、Coiflets、Symlets、Discrete Meyer、Biorthogonal、Reverse Biorthogonal等小波函数与中值滤波函数对侧扫声纳图像进行处理,并以平滑指数和边缘保持指数为评价指标,对滤波效果进行定量比较。试验表明,小波函数可以有效地平滑声纳图像,并能保持其较好的边缘效果。     

遥感图像融合方法在机场识别应用中的研究

针对利用光谱特性和几何结构特性可以提高机场识别效率和鲁棒性的理论,对像素级遥感图像融合方法进行了分析比较,并对融合结果进行了针对性的效果评价。实验结果表明,小波变换融合法和高通滤波融合法在继承光谱信息和增强边缘特征方面有一定的优势,能够为机场识别提供信息丰富的图像数据基础。     

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。     

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。     

基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。     

Wavelet analysis for processing of ocean surface wave records

Wavelet analysis is a relatively new technique and in the recent years enormous interest in application of wavelets has been observed. This modern technique is particularly suitable for non-stationary processes as in contrast to the Fourier transform, (FT), the wavelet transform (WT) allows exceptional localization, both in time and frequency domains. The wavelet transform has been successfully implemented in signal and image processing, ordinary and partial differential equation theory, numerical analysis, communication theory and other fields. On the other hand, the application of the WT to ocean engineering and oceanography is rare. In this paper the WTs capability to give a full time–frequency representation of the wave signals is demonstrated. The processing of the time series of the non-stationary deep water waves, waves breaking at the tropical coral reefs and mechanically generated waves in the wave flume demonstrates the ability of the wavelet transform technique to detect a complex variability of these signals in the time–frequency domain. Various spectral representations resulting from the wavelet transform are discussed and their application for wave signals is shown.