基于小波和多尺度幾何分析的圖像降噪和目標(biāo)識別技術(shù)研究.pdf

1、自動目標(biāo)識別(Automatic Target Recognition,ATR)技術(shù)是軍事、工業(yè)機器視覺等領(lǐng)域的關(guān)鍵技術(shù)之一。這項技術(shù)受到了廣泛關(guān)注并取得了許多新的進展，涌現(xiàn)出很多新理論、新方法。但由于該領(lǐng)域的復(fù)雜性和特殊性，使得多數(shù)傳統(tǒng)的自動目標(biāo)識別方法無法取得令人滿意的效果。多尺度幾何分析是近幾年來國際上興起的研究熱點，由于它具有多方向選擇性和各向異性，是獲得圖像稀疏表示的必要條件，具有這兩種特性的變換能更有效地表示圖像的邊緣和紋理

2、等幾何特征，符合視覺系統(tǒng)的特性。有研究表明，即使是相當(dāng)?shù)图壍牟溉閯游铮瑢τ谝曨l景象的辨別能力也遠遠優(yōu)于任何一種ATR技術(shù)。因此，融合多尺度幾何分析的多分辨性、多方向性和各向異性的圖像降噪和紋理特征提取方法，可望為自動目標(biāo)識別技術(shù)的發(fā)展提供有益的新思路，對圖像ATR技術(shù)研究的深入發(fā)展有重要的理論意義和實用價值。
　　 本論文的工作主要圍繞自動目標(biāo)識別系統(tǒng)中的幾個關(guān)鍵技術(shù)展開，研究重點為多尺度分析框架下的圖像降噪、紋理圖像特征提取和

3、基于輪廓波特征提取的小波神經(jīng)網(wǎng)絡(luò)分類。
　　 本論文的主要研究內(nèi)容和創(chuàng)新性工作包括：
　　 1、圖像降噪；論文研究分析了高斯加性噪聲在小波域的分解特性。根據(jù)噪聲在小波域的特性，提出了一種基于噪聲強度和小波分解級數(shù)自動調(diào)整閾值的降噪方法，該算法明顯優(yōu)于目前大多數(shù)文獻中報道的降噪算法，而且運算方法簡單。
　　 2、在第二代小波的基礎(chǔ)上，提出了一種具有方向性的提升機制的二代小波降噪方法。通過對方向的預(yù)測使得提升機制中預(yù)

4、測部分得到的結(jié)果更為準(zhǔn)確，小波分解的系數(shù)方差比普通提升機制分解系數(shù)方差更小。由于具有方向性的提升機制可以得到更小的小波分解系數(shù)方差，因此在降噪過程中，對于邊緣部分的降噪效果更好。
　　 3、利用輪廓波分解多層次和多方向的特點，提出了一種基于輪廓波和隱馬爾可夫模型相結(jié)合的圖像降噪算法。與具有方向性的提升機制不同，輪廓波并不需要估算局部圖像的方向性，而是在各個方向?qū)D像進行濾波，得到不同層次，不同方向的分解系數(shù)。利用馬爾可夫模型的經(jīng)

5、驗系數(shù)模型，在輪廓波分解中可以很好地降低圖像噪聲的干擾。
　　 4、具有旋轉(zhuǎn)不變性的紋理圖像特征提取及識別的研究。雖然小波分解不具備旋轉(zhuǎn)不變性，但是輪廓波卻能很好地提取圖像中的方向信息。利用輪廓波與可控濾波器的結(jié)合，提出了一種基于輪廓波分解的具有旋轉(zhuǎn)不變性的紋理特征提取方法。該方法對紋理及旋轉(zhuǎn)紋理圖像的識別的效果較好。
　　 5、研究了小波神經(jīng)網(wǎng)絡(luò)與小波分析在模式識別方面的應(yīng)用，通過提取目標(biāo)的邊緣輪廓信息，結(jié)合小波神經(jīng)網(wǎng)