【正文】 像中的目標信息之間、噪聲之間、目標信息和噪聲之間有什么關系呢?如何既能充分利用各個子帶圖像的目標信息，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，以達到檢測弱小目標的目的。 具體來講，就是要利用目標與噪聲在各頻帶之間不同的相關性來進行噪聲消除，提高目標鄰域的信雜比。噪聲在不同幀不同頻帶之間都是不相關的，而目標在不同幀和不同頻帶之間都是相關的。根據這個原理，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，提高目標鄰域的信雜比。其基本出發(fā)點是：利用小波分解把目標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，也就是說是相關的，高頻子帶相乘的結果可使信號的能量值相對提高，而噪聲能量則減弱。結合二者，可以達到抑制噪聲，增強目標，提高目標鄰域信雜比的目的?；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(x，y)的像素能量值，表示經子帶相乘后得到的對應(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?？紤]到弱小目標通常占有像素數很少，為保留弱小目標的能量，這里做三次小波分解。(3) 對原始圖像進行小波分解，得到小波變換的小波系數子帶圖像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進行相乘，相乘結果作為預處理的結果圖像。根據思想，： 高頻譜圖像與運算結果要得到最終結果，還需經行開運算，得下圖： 方案二 最終結果本章主要介紹了弱小目標檢測預處理的一般步驟和基本方法，并在基于提升小波變換基礎上給出了兩種檢測的方法，一種是通過自適應閥值法；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即小氣泡檢測出來。在實際應用中綜合使用，提高精確度。第四章 總結與展望 復雜背景下目標的檢測歷來被認為是一個十分復雜的問題，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，利用小波變換進行目標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將高頻信息和低頻信號的分開，因此它能夠很好得彌補經典目標檢測方法的不足，使其有了成為一種通用性強以及簡易的目標檢測方法的可能。但在小波變換基礎之上還需進行一些處理，例如閥值分割、數學形態(tài)學處理等。這些處理會使得檢測結果更加精確。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，并分析了提升小波變換用于目標檢測的可能性。簡單介紹了正交小波和雙正交小波概念，并構造了兩個雙正交小波基。最后針對弱小運動目標的檢測，提出了基于提升小波變換的兩種弱小目標圖像小波預處理方法：低頻子帶置零法、小波系數閾值法去噪方法。(2)介紹了基于提升小波變換的圖像預處理的各種算法，包括經典的直方圖均衡化、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檢測處理算法，利用一種是通過自適應閥值法；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閾值分割方法，模擬發(fā)現在本次實驗的條件下自適應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上進行的，主要在以下幾方面取得了創(chuàng)新性的研究成果：（1）構造了兩個雙正交小波基。(2) 對小波的分解系數進行了軟、硬閥值處理。通過對比發(fā)現經過閥值處理的圖像比未經處理的結果好的多，而軟閥值處理結果又比硬閥值處理的結果好。目標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檢測方法在前人的基礎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，使其在目標檢測當中有絕對優(yōu)勢，但運算量也是驚人的，本文所得的結論大都是停留在仿真階段，硬件實現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用。快速的基于小波變換目標檢測算法有待于進一步深入研究。（2）．基于提升方法的小波變換是近年來備受關注的小波變換，本文對其在目標檢測上的應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檢測的誤警率問題；提升小波變換進行弱小目標檢測等問題都需要進一步深入研究?？傊?，目標檢測是一個廣而難研究方向，隨著科學技術的發(fā)展，對目標檢測技術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域有著巨大的優(yōu)勢，可以預見，基于小波變換的目標檢測方法會受到更廣泛的關注和研究，也將在科學研究和實踐中得到很好的應用。參考文獻[1]彭嘉雄彭鐵。弱目標檢測的圖像流法，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檢測預處理技術，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圖像檢測方法研究，紅外與毫米波學報，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的研究，中國圖像圖形學報，1997，,。[8]盛文，柳健?；诩y理模型的紅外圖像弱小目標檢測，紅外與激光工程，1998，,。[9]彭復員，楊磊，張鈞。紋理模型驅動的基于背景分析的小目標檢測，華中理工大學學報，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。基于動態(tài)規(guī)劃理論的數字圖像中目標的檢測方法。江漢石油學院學報，1999，,.[18]陳朝陽，張桂林。紅外警戒系統(tǒng)小目標實時檢測方法，紅外與毫米波學報，1998，,.[19]陳仲英，巫斌．小波分析．北京：科學出版社，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閾值圖像玄噪[J]．計算機技術與發(fā)展爭2008，1 8(2)：4245．[30]張鵬．弱小點目標的檢測．上海交通大學碩士學位論文，2007，25．34[31]史凌峰．紅外弱小目標檢測方法研究．西安電子科技大學碩士學位論文，2003，22．27[32]崔屹．圖像處理與分析：數學形態(tài)學方法及應用．科學出版社，2002，72．81致 謝本設計的完成是在我們的導師許四祥老師的細心指導下進行的。在每次設計遇到問題時老師不辭辛苦的講解才使得我的設計順利的進行。從設計的選題到資料的搜集直至最后設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，在此向導師表示衷心地感謝！導師嚴謹的治學態(tài)度，開拓進取的精神和高度的責任心都將使學生受益終生！還要感謝和我同一設計小組的幾位同學，是你們在我平時設計中和我一起探討問題，并指出我設計上的誤區(qū)，使我能及時的發(fā)現問題把設計順利的進行下去，沒有你們的幫助我不可能這樣順利地結稿，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，從開始進入課題到論文的順利完成，有多少可敬的師長、同學、朋友給了我無言的幫助，在這里請接受我誠摯謝意！ 同時也感謝學院為我提供良好的做畢業(yè)設計的環(huán)境。 最后再一次感謝所有在畢業(yè)設計中曾經幫助過我的良師益友和同學，以及在設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)。%轉換數據為雙精度型xDec=lwt2(x1,lsnew,4)。%提升小波 a2=lwtcoef2(39。a39。,xDec,lsnew,4,4)。%低頻小波重構a3=uint8(a2)。%轉換數據為8位無符號整數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)。%對兩圖像進行代數減法x3=uint8(x2)。figure,imshow(x3)。（c）源圖像A對應的低頻圖像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a3=uint8(a2)。figure,imshow(a3,[])。（d）源圖像B對應的低頻圖像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)。%計算矩陣元素的標準偏移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