【正文】 像中的目標(biāo)信息之間、噪聲之間、目標(biāo)信息和噪聲之間有什么關(guān)系呢?如何既能充分利用各個子帶圖像的目標(biāo)信息，同時抑制噪聲，從而最大限度地提高信雜比昵?對此，本文提出了一種嘗試，即子帶相乘消噪的方法。由于小波變換的多分辨率特性，在合適的尺度下原來是非平穩(wěn)的信號會呈現(xiàn)出與噪聲截然不同的特性。因此，通過對信號的奇異性和小波變換的關(guān)系，利用信號和噪聲在多尺度空間中不同的特性，可以獲得干擾背景下信號的有效檢測，以達(dá)到檢測弱小目標(biāo)的目的。 具體來講，就是要利用目標(biāo)與噪聲在各頻帶之間不同的相關(guān)性來進(jìn)行噪聲消除，提高目標(biāo)鄰域的信雜比。噪聲在不同幀不同頻帶之間都是不相關(guān)的，而目標(biāo)在不同幀和不同頻帶之間都是相關(guān)的。根據(jù)這個原理，本文采用基于小波變換和子帶相乘消噪的方法來抑制噪聲，提高目標(biāo)鄰域的信雜比。其基本出發(fā)點是：利用小波分解把目標(biāo)信號和噪聲分散到各個頻帶上，由于噪聲在每個頻帶之間是不相關(guān)的，所以子帶相乘的方法可以抑制噪聲；而信號相對于噪聲在每個高頻子帶上都有較大的能量，也就是說是相關(guān)的，高頻子帶相乘的結(jié)果可使信號的能量值相對提高，而噪聲能量則減弱。結(jié)合二者，可以達(dá)到抑制噪聲，增強目標(biāo)，提高目標(biāo)鄰域信雜比的目的?；谛〔ㄗ儞Q的高頻子帶相乘的定義為： ()式中、分別是小波分解后LH子帶、HL子帶和HH子帶圖像在對應(yīng)(x，y)的像素能量值，表示經(jīng)子帶相乘后得到的對應(yīng)(x，y)處的能量值(也可以作為新的灰度值)。 從而，本文基于小波變換和高頻子帶相乘消噪的預(yù)處理算法的步驟為：(1) 選擇小波基。本文選擇雙正交小波bior3．7。(2) 確定小波分解的層數(shù)?？紤]到弱小目標(biāo)通常占有像素數(shù)很少，為保留弱小目標(biāo)的能量，這里做三次小波分解。(3) 對原始圖像進(jìn)行小波分解，得到小波變換的小波系數(shù)子帶圖像LL、LH、HL、HH四個部分。(4) 將同一層的三個高頻子帶灰度圖像LH、HL、HH進(jìn)行相乘，相乘結(jié)果作為預(yù)處理的結(jié)果圖像。根據(jù)思想，： 高頻譜圖像與運算結(jié)果要得到最終結(jié)果，還需經(jīng)行開運算，得下圖： 方案二 最終結(jié)果本章主要介紹了弱小目標(biāo)檢測預(yù)處理的一般步驟和基本方法，并在基于提升小波變換基礎(chǔ)上給出了兩種檢測的方法，一種是通過自適應(yīng)閥值法；另一種是通過小波分析的多頻譜分析。這兩種方法都能夠很好的將弱小目標(biāo)即小氣泡檢測出來。在實際應(yīng)用中綜合使用，提高精確度。第四章 總結(jié)與展望 復(fù)雜背景下目標(biāo)的檢測歷來被認(rèn)為是一個十分復(fù)雜的問題，同時也是圖像理論發(fā)展的瓶頸之一。 小波變換理論的提出拓寬了人們的視野，利用小波變換進(jìn)行目標(biāo)檢測是利用小波變換的多分辨率特點，降低圖像中噪聲的干擾。由于監(jiān)測目標(biāo)一般只存在于高頻或低頻信號中，而小波變換能夠比較簡單的實現(xiàn)將高頻信息和低頻信號的分開，因此它能夠很好得彌補經(jīng)典目標(biāo)檢測方法的不足，使其有了成為一種通用性強以及簡易的目標(biāo)檢測方法的可能。但在小波變換基礎(chǔ)之上還需進(jìn)行一些處理，例如閥值分割、數(shù)學(xué)形態(tài)學(xué)處理等。這些處理會使得檢測結(jié)果更加精確。論文主要做了以下工作：(1)從理論上研究分析了小波變換理論基礎(chǔ)，并分析了提升小波變換用于目標(biāo)檢測的可能性。簡單介紹了正交小波和雙正交小波概念，并構(gòu)造了兩個雙正交小波基。最后針對弱小運動目標(biāo)的檢測，提出了基于提升小波變換的兩種弱小目標(biāo)圖像小波預(yù)處理方法：低頻子帶置零法、小波系數(shù)閾值法去噪方法。(2)介紹了基于提升小波變換的圖像預(yù)處理的各種算法，包括經(jīng)典的直方圖均衡化、均值濾波算法、中值濾波算法、差分法等。然后描述了兩個基于提升小波變換的目標(biāo)檢測處理算法，利用一種是通過自適應(yīng)閥值法；另一種是通過小波分析的多頻譜分析。通過仿真實驗表明這兩個方法是有效的。在閥值分割時，對比了全局閥值法和自適應(yīng)閾值分割方法，模擬發(fā)現(xiàn)在本次實驗的條件下自適應(yīng)閾值分割方法的效果要好得多。論文的工作是在前人大量的工作基礎(chǔ)上進(jìn)行的，主要在以下幾方面取得了創(chuàng)新性的研究成果：（1）構(gòu)造了兩個雙正交小波基。(2) 對小波的分解系數(shù)進(jìn)行了軟、硬閥值處理。通過對比發(fā)現(xiàn)經(jīng)過閥值處理的圖像比未經(jīng)處理的結(jié)果好的多，而軟閥值處理結(jié)果又比硬閥值處理的結(jié)果好。目標(biāo)檢測方法一直是近年來的研究熱點和難點，雖然本文對基于提升小波變換的目標(biāo)檢測方法在前人的基礎(chǔ)上做了大量的研究和分析工作，但是仍有許多題還需要繼續(xù)深入研究和進(jìn)一步探索。（1）．小波變換理論的多分辨分析的優(yōu)點，使其在目標(biāo)檢測當(dāng)中有絕對優(yōu)勢，但運算量也是驚人的，本文所得的結(jié)論大都是停留在仿真階段，硬件實現(xiàn)的研究也只是探討性的，很多好的算法還不能在工程實踐上得到應(yīng)用。快速的基于小波變換目標(biāo)檢測算法有待于進(jìn)一步深入研究。（2）．基于提升方法的小波變換是近年來備受關(guān)注的小波變換，本文對其在目標(biāo)檢測上的應(yīng)用研究只是初級階段，很多問題需要探討。如提升小波變換目標(biāo)檢測的誤警率問題；提升小波變換進(jìn)行弱小目標(biāo)檢測等問題都需要進(jìn)一步深入研究?？傊繕?biāo)檢測是一個廣而難研究方向，隨著科學(xué)技術(shù)的發(fā)展，對目標(biāo)檢測技術(shù)也提出了更高的要求。作者所涉及的僅僅是整個方向的一角，還有許多問題需要探討研究。因為小波變換在非線性變換領(lǐng)域有著巨大的優(yōu)勢，可以預(yù)見，基于小波變換的目標(biāo)檢測方法會受到更廣泛的關(guān)注和研究，也將在科學(xué)研究和實踐中得到很好的應(yīng)用。參考文獻(xiàn)[1]彭嘉雄彭鐵。弱目標(biāo)檢測的圖像流法，紅外與激光工程，1996，,。[2]李吉成，沈振康。紅外起伏背景下運動點目標(biāo)的檢測方法，紅外與激光工程，1997，,。[3]劉建軼，盧偉，余松煜，李介谷等。低信噪比序列圖像中目標(biāo)檢測、識別及跟蹤算法的研究，紅外與激光工程，1996，,。[4]楊衛(wèi)平，沈振康。紅外圖像序列運動小目標(biāo)檢測預(yù)處理技術(shù)，紅外與激光工程，1998，,。[5], and Ship Detection and Tracking in an Infrared Image .,1990,.[6]薛東輝，朱耀庭，朱光喜等。低對比度前視紅外坦克目標(biāo)圖像檢測方法研究，紅外與毫米波學(xué)報，1996，,。[7]王仁生，賈曉光，周建林。從空間遙感圖像的自然背景中提取人造目標(biāo)的研究，中國圖像圖形學(xué)報，1997，,。[8]盛文，柳健。基于紋理模型的紅外圖像弱小目標(biāo)檢測，紅外與激光工程，1998，,。[9]彭復(fù)員，楊磊，張鈞。紋理模型驅(qū)動的基于背景分析的小目標(biāo)檢測，華中理工大學(xué)學(xué)報，1998，,。[10] for Multidimensional Signal Detection, 1988，,。[11]Reed of 3D filtering to Moving Target Detection,IEEE ,1983,[12]Reed Target Detection with 3d Matched Filter,IEEE Trans AES,1988,.[13]Reed Moving Target Indication Algorithm for Optional Image Sequence,IEEE ,1990,.[14]David Analysis of 3D SpatialTemporal IR Clutte Suppression ,.[15]宋柳平。圖像序列中小信噪比點目標(biāo)的檢測算法研究。國防科大博士論文，1992年12月。[16]Blostein Huang of Small Moving Objects in Image Sequences Using Multistage hypothesis ASSP,New York,1998.[17]馮桂，林其偉?；趧討B(tài)規(guī)劃理論的數(shù)字圖像中目標(biāo)的檢測方法。江漢石油學(xué)院學(xué)報，1999，,.[18]陳朝陽，張桂林。紅外警戒系統(tǒng)小目標(biāo)實時檢測方法，紅外與毫米波學(xué)報，1998，,.[19]陳仲英，巫斌．小波分析．北京：科學(xué)出版社，2007．8，162．175[20]李建平．小波十講．北京：國防工業(yè)出版社，2004．5，77—82[21]胡昌華，李國華，西安：西安電子科技大學(xué)出版社，[22]劉濤,曾祥利,[23][24]Cohen A. Biorthogonal :Chui C K, Tutorial in Theory and York:Academic Press,1992[25] Cohen A, Daubechies I and Feauveau J C. Biorthogonal bases of pactly supported wavelets. and Appl. Math.,1992,45[26]柳薇，馬爭鳴．基于邊緣檢測的圖像小波閾值去噪方法[J]，中國圖象圖形學(xué)報．V01．7(A)，No．8，Aug，2002，788793．[27]高清維，李斌，解光軍．基于平穩(wěn)小波變換的圖像去噪方法[J]，計算機研究與發(fā)展，V01．39，No．1 2，Dec．2002，1 689—1 694．[28]張長江，付夢印，金梅．基丁離散正交小波變換的紅外圖像去噪方法[J]，紅外與激光下程，V．01．2,N0．4，Aug．2003，40 1．406．[29]邢丹俊，王繼成．基于提升小波的自適應(yīng)閾值圖像玄噪[J]．計算機技術(shù)與發(fā)展?fàn)?008，1 8(2)：4245．[30]張鵬．弱小點目標(biāo)的檢測．上海交通大學(xué)碩士學(xué)位論文，2007，25．34[31]史凌峰．紅外弱小目標(biāo)檢測方法研究．西安電子科技大學(xué)碩士學(xué)位論文，2003，22．27[32]崔屹．圖像處理與分析：數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用．科學(xué)出版社，2002，72．81致 謝本設(shè)計的完成是在我們的導(dǎo)師許四祥老師的細(xì)心指導(dǎo)下進(jìn)行的。在每次設(shè)計遇到問題時老師不辭辛苦的講解才使得我的設(shè)計順利的進(jìn)行。從設(shè)計的選題到資料的搜集直至最后設(shè)計的修改的整個過程中，花費了許老師很多的寶貴時間和精力，在此向?qū)煴硎局孕牡馗兄x！導(dǎo)師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，開拓進(jìn)取的精神和高度的責(zé)任心都將使學(xué)生受益終生！還要感謝和我同一設(shè)計小組的幾位同學(xué)，是你們在我平時設(shè)計中和我一起探討問題，并指出我設(shè)計上的誤區(qū)，使我能及時的發(fā)現(xiàn)問題把設(shè)計順利的進(jìn)行下去，沒有你們的幫助我不可能這樣順利地結(jié)稿，在此表示深深的謝意。在論文即將完成之際，我的心情無法平靜，從開始進(jìn)入課題到論文的順利完成，有多少可敬的師長、同學(xué)、朋友給了我無言的幫助，在這里請接受我誠摯謝意！ 同時也感謝學(xué)院為我提供良好的做畢業(yè)設(shè)計的環(huán)境。 最后再一次感謝所有在畢業(yè)設(shè)計中曾經(jīng)幫助過我的良師益友和同學(xué)，以及在設(shè)計中被我引用或參考的論著的作者。附錄一lshaar=liftwave(39。39。)。 % 得到Haar小波的提升方案els={39。p39。,[ ],0}。% 添加ELS到提升方案中l(wèi)snew=addlift(lshaar,els)。 x=imread(39。39。)。%從圖形文件中讀取圖像figure,imshow(x)。%顯示圖像得到Haar小波的提升方案（a）源圖像A x1=double(x)。%轉(zhuǎn)換數(shù)據(jù)為雙精度型xDec=lwt2(x1,lsnew,4)。%提升小波 a2=lwtcoef2(39。a39。,xDec,lsnew,4,4)。%低頻小波重構(gòu)a3=uint8(a2)。%轉(zhuǎn)換數(shù)據(jù)為8位無符號整數(shù)figure,imshow(a3,[])。（b）源圖像Bimwrite(a3,39。39。)。%將圖像寫入圖形文件中x2=imsubtract(x1,a2)。%對兩圖像進(jìn)行代數(shù)減法x3=uint8(x2)。figure,imshow(x3)。（c）源圖像A對應(yīng)的低頻圖像imwrite(x3,39。39。)。x=imread(39。39。)。x1=double(x)。xDec=lwt2(x1,lsnew,4)。%提升小波a2=lwtcoef2(39。a39。,xDec,lsnew,4,4)。%低頻小波重構(gòu)a3=uint8(a2)。figure,imshow(a3,[])。（d）源圖像B對應(yīng)的低頻圖像imwrite(a3,39。39。)。x2=imsubtract(x1,a2)。x3=uint8(x2)。figure,imshow(x3)。（e）高頻圖像Cimwrite(x3,39。39。)。I1=imread(39。39。)。I2=imread(39。39。)。I3=imsubtract(I1,I2)。figure,imshow(I3)。（f）高頻圖像Dimwrite(I3,39。39。)。I=imread(39。39。)。 a=mean2(I)。%計算矩陣元素的平均值b=std2(I)。%計算矩陣元素的標(biāo)準(zhǔn)偏移c=a+14*b。[m,n]=size(I)。for i=1:m for j=1:n if I(i,j)c I(i,j)=255。 else I(i,j)=0。 end end