基于深度神经网络的多聚焦红外图像非线性增强

当红外图像中含有多个聚焦目标主体时,会导致红外图像质量下降,部分区域出现模糊,因此,提出基于深度神经网络的多聚焦红外图像非线性增强方法。在引导滤波的作用下,从红外图像中获取细节层图像和背景层图像,在细节层图像中建立局部清晰度评价函数,得到清晰的细节层和背景层并融合二者。利用构建的深度神经网络结构,建立非线性增益函数,通过设定阈值和调整子带系数,实现对多聚焦红外图像的非线性增强。测试结果表明,所提方法在增强图像过程中,并没有改变原始图像的亮度和纹理波动;增强后的图像信息熵比原图像提高了57%左右,图像抗噪性能值更高,平均为7.4 dB,图像更清晰,SSIM值更趋近于1,平均为0.98,增强后的图片与原图片图像相似度更高,更接近于真实图像。

基于深度卷积网络的多聚焦图像自动融合方法

不同聚焦状态的图像融合易产生模糊的问题,因此提出基于深度卷积网络的多聚焦图像自动融合方法。首先检测图像的多聚焦区域,利用深度卷积网络选择图像块的大小,以便于后续的图像融合。选取好图像块大小后,通过小波变换进一步确定频子带系数。最后,结合深度卷积网络的自动融合方法,融合不同聚焦状态的图像,得到一幅完整、视觉效果好的融合图像。实验证明,在融合过程中使用深度卷积网络的多聚焦图像自动融合方法可以得到清晰的图像,具有良好的应用效果。

多子带雷达信号融合噪声抑制方法

全极点模型对信号构建线性模型,通过对模型进行定阶和计算可以得到估计信号的各个参数,从而实现信号预测。子带融合之前需要进行相干处理,可以通过相干函数等方式解决。root-MUSIC算法在低信噪比环境中极点选择并不稳健,会导致模型在阶数上判断错误。为解决全极点模型方法中子带融合在信噪比低时模型阶数估计不准的问题,提出一种噪声抑制方法。对信号Hankel矩阵的主对角奇异值矩阵加权处理,以消除噪声分量,并利用整体前向预测矩阵得到整体频段极点值与极点幅值,由此估计出低信噪比时的多子带融合信号。结果表明所提方法在仿真环境下,在信噪比-20 dB至10 dB时,相较于传统极点模型方案具有更好的估计结果。

基于多层子带匹配滤波的抗间歇采样转发干扰目标检测算法

间歇采样转发干扰(ISRJ)是一种基于欠采样原理的新型雷达干扰技术,此类干扰信号能够在雷达1维距离像(HRRP)上形成密集假目标,给目标检测带来一定挑战。针对雷达在间歇采样转发干扰背景下无法准确检测到目标的问题,一种基于多层子带匹配滤波的抗间歇采样转发干扰目标检测算法被提出。该方法首先以传统雷达匹配滤波函数为基础设计子带匹配滤波函数;随后,针对间歇采样转发干扰信号和目标回波信号的时间差异,构建子带匹配滤波信号模型,逐步分析并揭示了间歇采样转发干扰信号对子带匹配滤波函数时宽的敏感性;最后,基于此设计出基于多层子带匹配滤波的抗间歇采样转发干扰目标检测方法,并进行了仿真实验验证。实验结果表明:多层子带匹配滤波方法无需事先获得干扰的先验信息,可使雷达在受到间歇采样转发干扰且信干比大于–20 dB时,目标检测概率大于80%。

基于多尺度特征提取的红外图像多目标分割研究

红外图像由于分辨率过低,导致多目标分割效果较差,为此研究基于多尺度特征提取的红外图像多目标分割方法。通过子带分解多尺度Retinex算法利用增强处理红外图像;利用Linberg尺度空间理论构建增强处理红外图像的多尺度空间,通过二阶自相关矩阵提取红外图像特征点。依据所提取到的特征点,构建红外图像多目标分割聚类的目标函数,采用自适应的进化模糊聚类算法求解红外图像多目标分割聚类问题,实现红外图像多目标分割。实验结果表明,该方法可以有效分割红外图像中的多目标,红外图像分割的信息熵高于5,多目标分割效果较好。

一种低信噪比环境下的语音端点检测算法

为了改善在低信噪比背景下子带谱熵语音端点检测算法的性能,提出了一种多正弦窗子带谱熵检测算法。首先介绍了目前比较流行的子带谱熵语音端点检测算法的原理,其次分析了多正弦窗口谱估计的特点,最后将多正弦窗口谱估计引入到子带谱熵检测中形成多正弦窗子带谱熵这一新的特征,利用多正弦窗口谱估计具有更小的方差和更高的分辨率来改善低信噪比环境下子带谱熵检测算法的性能。通过在不同信噪比环境下仿真验证,证明了相对于子带谱熵检测算法,所提算法在低信噪比环境下拥有更高的检测准确率和更好的噪声鲁棒性。

基于零树小波的交通视频车辆运动阴影滤除方法

基于高斯模型的背景建模方法与简单的背景差分方法很难准确区分运动车辆与阴影.基于此种原因,文中提出基于零树小波的交通视频车辆运动阴影滤除方法.首先将含有噪声的运动前景图像转换至HSV颜色空间.然后对S通道和V通道进行多级下采样小波变换,通过构造运动前景的零树小波掩模,关联不同尺度子带间的系数,使各精细尺度子带掩模的值能得到父子带系数的指导和校正,提高子带自适应阈值的准确性.进一步通过结合阴影的颜色特征,提高判断区域车辆与阴影的区分度.最后通过大量仿真实验验证文中方法的有效性.

基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。

基于多尺度功率谱子带梯度的宽带频谱感知算法与性能分析

为了应对复杂环境下非合作通信、电磁频谱监管等宽带接收中存在的先验信息缺失、信道失真严重以及频域呈现不平坦色噪声的挑战,提出一种基于多尺度功率谱子带梯度的宽带频谱感知算法,该算法不要任何的先验信息,对功率谱进行分段计算梯度,再进行自适应双阈值检测,通过多尺度的技巧提高了宽带频谱感知的稳定性。对该算法在不同信道模型下的统计特性、虚警概率、检测概率以及判决门限的表达式进行了理论推导。理论分析和实验仿真表明,算法适用于高斯噪声信道和平坦衰落信道,能够有效克服色噪声,并且能够实现用户频带范围定位,运算复杂度低、实时性强,对噪声不确定度具有稳健性,能够用于低信噪比场合。

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.

基于多小波的图像处理在电晕检测中的应用

提出了基于多小波变换的图像处理方法,该方法以多小波变换为基础,在一次多小波分解与重构之间完成双谱段图像处理。首先进行多小波变换,将变换系数进行软阈值收缩消去噪声;然后根据图像中需增强的信息,选择增强系数进行子带增强;最后提出一种新的自适应权值融合规则,采用这个规则融合变换系数,进行小波重构得到处理后的单幅图像。实验表明,这种方法不仅能提高图像的视觉效果,增强源图像的边缘信息,而且能很好地将源图像中对电晕检测有用的信息融合在一起,提高电晕检测系统的定位精度。

基于模式识别的多类隐写分析

文章在小波频域高阶统计矩图象隐写分析基础上,将隐写分析问题扩充为多类问题,针对CorelDraw图象库5种常用的隐写方法进行了实验,结果表明该文方法不仅能检测出图象是否隐含数据,还能指出所用的隐写方法,识别率在90%以上。还提出了多类“类内类间分布图”,对于高维可分性好低维可分性差的图示问题,指导特征以及分类器的选择,具有很高的价值。

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。

宽子带多载波系统模型及同步偏差分析

基于时频分析和多载波通信理论,建立了基于脉冲成型滤波的时频局部化宽子带多载波系统仿真模型,对各种同步偏差给系统带来的影响进行了理论分析和性能仿真。仿真结果表明,系统在归一化频偏0.1以内可以得到较为理想的解调性能,所以只要选取合适的宽子带和成型脉冲,可以有效解决多载波对频偏敏感的问题。

基于小波多阈值和子带增强的图像去噪

为了在有效降低噪声的同时,尽量保留图像的边缘特征,提出了一种基于小波多阈值和子带增强的图像去噪方法.该方法对最小尺度小波系数采取软阈值方式,将其他小波系数再分解为近似子带和细节子带,依据误差度增强近似子带像素块,同时引入增强因子调节增强幅度;利用局部方差和混合阈值函数对各子带进行阈值处理,保证了图像达到较好的去噪效果.实验表明,与传统阈值方法相比,该方法不仅提高了去噪图像的峰值信噪比,而且较好地保留图像边缘特征,优于常规的阈值方法.

非下采样Contourlet变换耦合区域特性的多聚焦图像融合算法

为提高图像融合质量,较好地保留原始图像的光谱特性,避免融合图像光谱退化,提出非下采样Contourlet变换耦合区域特性多聚焦图像融合算法。采用非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)对图像进行多尺度精细分解,获取图像多层次分解子带;利用分割块区域能量函数,构造区域能量度量模型,获取区域能量相似系数,判定低频子带对应的加权系数,完成图像低频子带的融合。根据分割高频子带时形成的行列特征,形成区域锐度模型,获取高频子带分割块中的区域锐度值,利用该锐度值建立分割块判定函数,完成高频子带的融合。最后,采用非下采样Contourlet变换的逆变换得到融合图像。结果表明,与已有图像融合算法相比,本文图像融合算法融合质量更好。

一种结合Subband-NDFT和改进Goertzel滤波器的DTMF解调算法(英文)

基于Goertzel逻辑判断算法[1],提出了一种将Goertzel逻辑判断和Subband-NDFT相结合的新的解调DTMF信号的算法.Subband-NDFT通过放弃高频分量达到快速计算DFT的目的.软件仿真表明新的算法具有比Goertzel逻辑判断算法更快的解调速度,并且满足ITU在SNR上对DTMF信号的规定.

超高分辨率星载SAR系统多子带信号处理技术研究

多子带信号拼接是星载合成孔径雷达(Synthetic Aperture Radar,SAR)实现超高距离分辨率的重要方式,但受限于硬件系统、大气传输等非理想因素的影响,接收各子带信号在子带内会存在幅度和相位误差,子带间也存在幅度、相位和时延不一致误差。这些误差严重影响多子带合成后的信号质量以及最终的图像质量。本文基于星载多子带SAR系统模型,首先提出了一种先单子带成像,再多子带信号拼接的成像处理策略;然后在此基础上,针对子带内/子带间幅相和时延误差提出一种基于各子带强目标点数据的误差估计与补偿方法。该方法主要包括基于质量相位梯度自聚焦(Quality Phase Gradient Autofocus,QPGA)准则的强目标点数据提取、基于PGA的子带内误差估计、子带间误差估计和误差补偿与频谱合成四个步骤。理论仿真分析数据实验验证了本方法的有效性。

基于多尺度子带能量集特征的膛口波识别方法

面向实际复杂环境下的枪声探测应用,提出一种基于多尺度子带能量集特征的膛口波识别方法。采用一组低频子带滤波器增强膛口波信号,通过膛口波检测和波峰搜索确定候选膛口波的起点位置,并基于该起点以嵌套方式截取候选膛口波及其各子带分量的多尺度数据片段,用各片段数据的短时能量和能量比构成多尺度子带能量集特征输入支持向量机和k近邻分类器,进行膛口波和非膛口波识别。对372段外场实录枪声数据进行数值实验,结果表明:所提方法对膛口波识别的查全率、查准率均高于93%,加权调和平均高于0. 95;两种分类器下的识别结果无明显差别,但所用特征维数和计算耗时却远低于常用的离散小波方法,更接近实际应用需求。

一种用于宽带自噪声有源抵消的无延时子带多通道系统

降低测量平台处本艇自噪声能够有效地提高被动声纳设备的作用距离。提出了一种用于宽带自噪声有源抵消的无延时子带多通道系统。这种系统与传统的子带结构和算法相比,不但保持了乘加运算量小、收敛速度快的优点,而且在抵消通道没有引入任何时延。计算机仿真和真实海试数据都验证了系统的有效性。