基于NSCT变换的红外与可见光图像融合方法

针对小波变换不能很好地表达图像边缘信息，NSCT变换对图像细节信息表达缺失的问题，本文提出了一种改进的基于NSCT变换的图像融合方法．首先将经过预处理和配准后的红外图像和可见光图像进行NSCT变换，得到各个源图像的低频和高频系数，然后对分解后的低频系数采用小波变换的融合规则进行融合处理，高频系数则采用基于特征的区域能量的融合规则进行融合处理，最后对融合后的系数进行NSCT反变换得到融合图像．仿真实验表明，采用改进的NSCT融合方法对红外与可见光图像的融合有良好的效果，图像更清晰，信息更全面．     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

基于小波变换和自适应直方图均衡的红外图像增强

针对实际应用中红外图像的对比度较低、存在噪声的缺点,结合人的视觉特征,在已有图像增强方法的基础上,采用小波变换与自适应直方图均衡相结合的方法对红外图像进行增强.该方法不但解决了红外图像对比度低的问题,而且降低了噪声,突出了图像细节.     

基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要，边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度杼陛和小波变换的性质，研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子，实现相对简单、效率较高。测试表明，该算子与其他边缘检测算子具有相似的视觉处理效果。     

气缸套内表面磨损的图像处理检测方法研究

对柴油机内表面磨损的特征和机理进行了研究，对图像边缘提取的经典算法（梯度算子和拉普拉斯算子等）和小波变换算法进行了分析与比较，提出了用图像处理的方法实现气缸套内表面磨损检测的途径．     

基于小波变换自适应数字图像水印算法

阐述了图像数字水印和小波变换的基本原理，通过对小波基、分解级数、小波系数选择及人类视觉掩蔽特性等的分析，提出了一种基于小波变换自适应图像数字水印算法．通过剪切、加噪、滤波、锐化、模糊等几种常用攻击技术对算法进行了测试，实验结果表明该算法具有较强的鲁棒性．     

基于小波变换及熵的视频镜头分割检测方法

提出了基于小波变换及熵的视频镜头分割检测方法．用图像低频信号的小波系数的均值和标准差检测剪切镜头转换边界．分别计算图像小波分解后水平、垂直和对角方向细节信号的小波熵分量,以此3个小波熵分量作为特征量,计算相邻视频帧间特征量的欧氏距离．在检测窗内欧氏距离两次以上大于设定的阚值时即可判定镜头发生渐变转换．实验结果表明,剪切镜头查准率为95％,查全率为96％;渐变镜头查准率为87．5％,查全率83．8％．     

基于IHS和小波变换的遥感图像融合方法研究

基于IHS变换法和小波变换法,提出一种新的图像融合方法．该方法利用IHS变换法增强空间细节表现能力,利用小波变换法保留TM图像的光谱特性,可以最大限度地保留待融合图像的光谱信息,同时可提高待融合图像的清晰度和空间分辨率．     

基于图像小波变换的数字水印

提出了一种基于小波变换的数字水印的嵌入与检测方法。这种方法充分利用小波变换的特点,在原始图像的适当位置加入水印,采用盲水印算法检测图像中是否含有水印。     

复杂背景下汉字细化的MASW小波方法研究

汉字骨架是汉字的一种重要几何特征,如何对汉字进行细化,是对汉字进行识别的前提,文中提出了一种基于模角分离小波变换(MASw)的细化方法.该方法能鉴别出复杂背景下汉字图像所包含的不同结构类型边界.通过对不同结构的边界采用不同的取舍处理以实现汉字的细化.可以直接对原始的灰度图像进行处理,能在复杂背景下成功地提取和细化汉字,对手写汉字也有良好的细化效果.     

视频交通图像自适应阈值边缘检测

应用小波变换对视频交通图像进行边缘检测，研究了边缘评价指标、尺度对性能指标的影响及自适应阈值边缘检测，并与经典的边缘检测Sobel算子进行了对比。提出用大尺度滤波器去抑制原图像的噪声，可靠地识别噪声；而用小尺度滤波器为图像边缘精确定位，并构造出紧支二次B样条小波。结果表明，二次B样条小波边缘检测方法具有计算量小，抗噪能力和适应能力强，且有改进余地等优点，仿真效果也明显好于经典的Sobel算子。     

融合背景差分的二次重构和内外标记 分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领 域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外 标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸 显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部 标记,进行“准欧式”距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提 取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完 整的目标,很好地抑制了过分割问题, 在动态场景的行人检测中取得了较好的效果.     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题，提出基于小波变换的像素过滤思想改进GMM，构建背景模型；为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题，分析Kalman滤波线性化误差，搭建BP神经网络修正 IMM的跟踪模型，实现轨道异物跟踪预测，并推导出非线性Kalman滤波关系.实验表明，改进GMM在正常天气下平均前景误检率降低了24.94个百分点，针对复杂恶劣天气平均前景误检率降低了33.76个百分点；建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪，而且比Kalman滤波和IMM更加平稳，误差更小.     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。