有关细小目标搜索与检测的论文
186红外与激光工程第38卷
0引言
导引头是红外成像制导系统的重要部件，获得目标及背景的红外图像，通过目标分割、特征提取、特征识别、锁定并跟踪目标，同时得到目标的各种信息（位置、运行方向、速度等），引导导弹精确打击目标。图像处理算法要求快速实时，并具有一定的抗噪性。
近年来，小波分析在图像处理中得到了广泛应用。它克服了传统傅里叶分析的缺点，在时域与频域均有良好的局部化特性，并且其多尺度分析能力能有效地克服噪声，增强算法的鲁棒性。与传统方法相比，小波变换具有不损失图像细节，兼具变焦特性等优点。综合各个尺度上小波分析的边缘检测结果，可消除图像中孤立的高频噪声，但计算量大幅增加。
介绍了一种目标分割方法，利用具有梯度属性的小波算子对图像进行单尺度小波变换，根据小波模极大值位置确定边缘分布，搜索跟踪小波模极大值获得边缘链码。与计算量较大的小波多尺度分析方法相比，它既利用了小波分析的鲁棒性，又具有与梯度算子边缘检测相当的小计算量，能在抑制高频噪声的同时，保证目标分割效果，更容易满足实时性要求。该方法得到的目标边缘链码表示，为进一步图像分析提供了方便，综合提高了目标识别与跟踪算法的效率。
[4]
[3]
[2]
[1]
2单尺度小波变换检测图像边缘的可行性
对于数字图像来说，进行小波变换即为构造离散小波滤波器对图像进行卷积。二维数字图像离散小波变换则是利用一维小波算子先水平后垂直对其进行卷积，得到水平和垂直方向小波幅值。行列可分时，利用小波算子低通和高通部分，构造垂直方向和水平方向的小波算子：
垂直小波水平小波
ψ(x,y)=准(x)ψ(y)ψ(x,y)=ψ(x)准(y)
2
1
(1)(2)
式中：ψ为一维小波函数；准为一维尺度函数。数字图像f(x,y)∈L2(R2)在尺度s下沿水平和垂直方向的小波变换为：
W1f(x,y)=f*ψ1(x,y)W2f(x,y)=f*ψ2(x,y)
该尺度下，图像小波变换的模值为：
(3)(4)
Mf(x,y)=
姨Wf(x,y)
1
+Wf(x,y)
2
(5)
图像边缘是一组有联系的高频点，边缘的灰度突变在小波变换域内常对应于小波变换系数模的极值点。对二维数字图像进行小波变换获得模极大值和用梯度算子对图像处理的实质都是利用某种算子，对图像进行先水平后垂直的卷积滤波。若使用具有微分特性的小波算子对图像进行变换，可看成是对其进行的一种具有小波单尺度分析性质的梯度处理，故可以通过从小波模值分布图上的某极大值点开始，进行启发式搜索跟踪其模极大值分布，得到边缘的链码表示。这样既得到了目标分割结果，又便于提取目标特征。
实际上只对图像进行单一小尺度小波变换，利用检测小波变换模极大值的方法，也能得到目标的边缘。图像f(x,y)在尺度s下的图像边缘对应于变换后的小波模值Msf(x,y)沿着梯度方向的局部最大值点，找到该局部最大值点，即可确定图像边缘。对图2（图像大小240×352）进行单尺度小波变换后，利用公式
搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新小学教育基于小波变换的目标边缘搜索分割方法(2)全文阅读和word下载服务。
相关推荐：
化茧成蝶