【正文】 原圖像進(jìn)行小波分析后，可以將小波低頻分量(背景信息)和高頻信息(噪聲、邊緣信息)分離開來，利用小波分析的多分辨率特性來實(shí)現(xiàn)弱小目標(biāo)的精確定位檢測；也可對小波變換高頻子圖像進(jìn)行處理，利用小波變換的區(qū)域相關(guān)算法，檢測弱小目標(biāo)。(d) 小波分析法。此種算法適合與背景較復(fù)雜，而弱小目標(biāo)只有幾個像素大小，接近于點(diǎn)目標(biāo)的情況。(c) 殘差圖像法。數(shù)學(xué)形態(tài)法對圖像序列進(jìn)行膨脹累加可使目標(biāo)能量增強(qiáng)。它的主要內(nèi)容是設(shè)計(jì)一整套運(yùn)算算子來描述圖像各個像元之間的關(guān)系。(b) 數(shù)學(xué)形態(tài)學(xué)方法。其中，發(fā)展得較早且工程上用得較多的是高通濾波和最小均方誤差濾波這兩種算法。(1) 背景抑制方法(a) 濾波預(yù)處理算法。在國內(nèi)外，在低信噪比下實(shí)現(xiàn)對運(yùn)動弱小目標(biāo)的檢測的研究方面人們己經(jīng)做了大量的研究，下面主要介紹DBT和TBD兩類算法。此方法受圖像的信噪比影響較大，主要用于背景復(fù)雜而噪聲較弱的圖像中的弱小目標(biāo)檢測；(2) 先跟蹤后檢測(簡稱 TBD)它是直接關(guān)聯(lián)多幅圖片，得到若干可能目標(biāo)后再通過對每個可能目標(biāo)的信息進(jìn)行分析以及對目標(biāo)的存在做出合理的判斷。目前，復(fù)雜背景運(yùn)動弱小目標(biāo)的檢測的研究方法主要是在多幀圖像的情形下進(jìn)行的。傳統(tǒng)的圖像序列中弱小目標(biāo)檢測與跟蹤方法是一種DBT方法,這種算法僅當(dāng)SNR較高（10dB）時運(yùn)行有效。這種方法也是傳統(tǒng)的弱小目標(biāo)檢與跟蹤的一個典型例子。文獻(xiàn)[5]則討論了復(fù)雜背景條件下低信噪比的小目標(biāo)檢測概率問題，提出了用空間高通濾波方法改善圖像質(zhì)量，達(dá)到抑制背景噪聲，增強(qiáng)小目標(biāo)的目的。文獻(xiàn)[4]根據(jù)目標(biāo)、背景干擾和噪聲在紅外序列圖像中的差異，提出了一種基于空間高通濾波和時間域上最大遞歸濾波的運(yùn)動點(diǎn)目標(biāo)檢測方法。這表明，對于更低對比度的目標(biāo)需要采用更為深入的TBD方法，在目標(biāo)檢測前，大量的候選目標(biāo)軌跡同時受到評估。弱小目標(biāo)檢測的發(fā)展方向是在圖像序列中沿目標(biāo)運(yùn)動軌跡將目標(biāo)能量積累起來，同時應(yīng)用目標(biāo)的特征數(shù)據(jù)判決減小搜索范圍，兼顧檢測性能和實(shí)時性。當(dāng)SNR足夠小時，檢測的特殊性在單幀圖像處理中是不能得到滿足的，這時目標(biāo)檢測與跟蹤需要在圖像序列中進(jìn)行?；叶热跄繕?biāo)用目標(biāo)圖像的信噪比來描述，其信噪比定義為 （）其中，s為圖像中目標(biāo)的平均灰度（有時也可以是目標(biāo)灰度的峰值），μ為背景的平均灰度，σ為背景灰度的標(biāo)準(zhǔn)方差。所謂弱目標(biāo)，是指目標(biāo)在圖像平面上占有的象元個數(shù)較少且信噪比較低的情況。 弱目標(biāo)檢測與識別的主要方法對于圖像中弱小目標(biāo)的檢測與跟蹤問題的研究,起源于遠(yuǎn)距離搜索與監(jiān)視。在絕大部分時間內(nèi)，目標(biāo)在視場中是以小目標(biāo)形態(tài)出現(xiàn)的，而且目標(biāo)的對比度一般都很低，加上圖像中夾雜的雜散噪聲，要準(zhǔn)確地檢測出目標(biāo)的位置并把目標(biāo)從背景噪聲和雜散噪聲中提取出來是一項(xiàng)艱巨的任務(wù)。監(jiān)視和預(yù)警系統(tǒng)為了實(shí)現(xiàn)全天時、可靠的目標(biāo)檢測與跟蹤，需要對弱小目標(biāo)的檢測和跟蹤能力。而弱小目標(biāo)的檢測以及跟蹤更是其中的關(guān)鍵，這是因?yàn)楸O(jiān)視和預(yù)警系統(tǒng)為了增大作用距離，要求在遠(yuǎn)距離發(fā)現(xiàn)目標(biāo)，因此在絕大部分時間內(nèi)，目標(biāo)在視場中是以小目標(biāo)的形態(tài)出現(xiàn)的，目標(biāo)大小一般只有幾個或幾十個像素，而且目標(biāo)的對比度一般都很低，要保證可靠、穩(wěn)定地檢測并跟蹤目標(biāo)就有一定的難度。復(fù)雜背景中弱小目標(biāo)的檢測一直是監(jiān)視和預(yù)警系統(tǒng)的重要組成部分。(3) 第三，盡管弱小目標(biāo)較小，但又不能作為點(diǎn)目標(biāo)來處理，實(shí)際得到的往往是大小不定的一團(tuán)，因而固定的模板和算子很難有效檢測不同尺寸的弱小目標(biāo)。根據(jù)弱小目標(biāo)圖像檢測所固有的特點(diǎn)，弱小目標(biāo)的檢測就不可避免地存在很多難點(diǎn)，主要表現(xiàn)在：(1) 首先，弱小目標(biāo)與背景相比要小的多，往往被強(qiáng)大的背景噪聲所淹沒，故頻域信息不是小目標(biāo)的有效特征。(7) 具有一定的運(yùn)動性：雖然單幀圖像不能體現(xiàn)目標(biāo)的運(yùn)動信息，但一系列連續(xù)的圖像序列則包含了小目標(biāo)的運(yùn)動信息。(6) 成像面積?。耗繕?biāo)在探測器上只占幾個到幾十個像元，缺乏形狀和結(jié)構(gòu)信息。(4) 信息處理量大：目標(biāo)檢測的范圍在整個圖像空間中，由于圖像的低信噪比，為了正確檢測目標(biāo)和確定其在圖像中的位置，必須利用多幀圖像信息，使得需要處理的數(shù)據(jù)信息量相當(dāng)巨大。(3) 背景信息復(fù)雜：在實(shí)際探測中，小目標(biāo)總是處于一定的背景之下，不管探測背景是天空、大氣背景，或是地面背景，其背景相當(dāng)強(qiáng)且復(fù)雜，并且通常不斷變化。(2) 可用的信息量少：探測器距目標(biāo)較遠(yuǎn)，獲得的目標(biāo)圖像呈點(diǎn)狀，基本上沒有形狀信息可以利用。由于目標(biāo)較小，背景和噪聲在視場中所占的比例較大，所以整幅圖像的信噪比低。因而弱小目標(biāo)檢測問題是一個低信噪比弱信號檢測問題。自二十世紀(jì)七十年代興起弱小目標(biāo)研究以來，經(jīng)過多年的發(fā)展，已經(jīng)在目標(biāo)的檢測和識別方面取得了多項(xiàng)成果，基于圖像的弱小目標(biāo)檢測也是近幾年信息處理研究的熱點(diǎn)。其定義如下： ()其中指目標(biāo)灰度的最大值，當(dāng)目標(biāo)某點(diǎn)灰度太高時，取平均值更有代表性；表示目標(biāo)一定鄰域內(nèi)背景灰度的均值。一般認(rèn)為，弱小目標(biāo)所占的成像面積不超過80像素(99)，約是一幅256256圖像的0．12％，目標(biāo)鄰域信雜比小于15％的目標(biāo)，認(rèn)為屬于弱小目標(biāo)范疇。 復(fù)雜背景下弱目標(biāo)圖像處理的國內(nèi)外現(xiàn)狀 弱小目標(biāo)的檢測特點(diǎn)至今為止，學(xué)術(shù)界對“弱小目標(biāo)”的定義沒有一個明確區(qū)分。本文就是提供檢測弱小目標(biāo)的小波分析的方法，主要從雙正交小波重構(gòu)的方向進(jìn)行弱小目標(biāo)的檢測，并力求突破。弱小目標(biāo)的對比度一般都很低，加上圖像中夾雜的雜散噪聲，要準(zhǔn)確地檢測出目標(biāo)的位置并把目標(biāo)從背景噪聲和雜散噪聲中提取出來是一項(xiàng)艱巨的任務(wù)，因而弱小目標(biāo)檢測仍然是當(dāng)前一個實(shí)用、熱門的課題。高溫鎂熔液含氫量快速現(xiàn)場檢測時，我們需要對鎂熔液表面第一氣泡的進(jìn)行有效識別。關(guān)鍵詞：弱小目標(biāo) 小波變換 雙正交小波 尺度函數(shù) 閥值A(chǔ)bstractThe recognition of first bubble in hightemperature magnesium melting liquid surfaces is the key technology of the fast field detection about magnesium melting liquid hydrogen of The own characteristics of magnesium alloys melting liquid—extremely easy to oxidize and burn,which causes the background very plicated around bubbles,that using the method of wavelet multiscale deposition can reveal the change of the characteristic out,which submerged in plex background. This paper provides a set of methods detecting bubbles,we analyze the differences between target 、background interference and noise in the image first,and pretreatment the processing the signal after wavelet deposition which is based on wavelet analysis theory and bined with a series of methods mathematical morphology and methods of finite difference,so that we can effectively inspect the first bubbles.In addition,this paper use quite space to construct the scaling function and wavelet function,especially the biorthogonal wavelet dealing with threshold we proposed to treat the hard and soft threshold in one these results are still not prominent,this maybe the next development look forward the next exploration.keywords ：Small target Wavelet Transform Biorthogonal wavelet Scaling function threshold目錄中文摘要英文摘要 論 1 論文背景與意義 1 復(fù)雜背景下弱目標(biāo)圖像處理的國內(nèi)外現(xiàn)狀 1 弱小目標(biāo)的檢測特點(diǎn) 1 弱目標(biāo)檢測與識別的主要方法 3 小波分析的發(fā)展歷程和現(xiàn)狀 6 本文所做的工作及文章的安排 7 2．基于小波變換的弱小目標(biāo)圖像處理 8 小波變換理論基礎(chǔ) 9 小波變換的定義及特點(diǎn) 9 多分辨率分析 11 Mallat算法 13 正交尺度函數(shù)與正交小波 15 雙正交小波的概念及性質(zhì) 17 雙正交小波構(gòu)造 19 雙正交小波的構(gòu)造理論 19 雙正交小波的構(gòu)造 22 基于小波變換的圖像預(yù)處理 30 去噪理論 31 利用小波的特性對高頻系數(shù)置零的去噪方法 31 基于小波變換的去噪方法實(shí)現(xiàn) 32 3．弱小目標(biāo)的圖像檢測方法 41 直方圖均衡化算法 41 差分方法 43 小波分析算法 43 數(shù)學(xué)形態(tài)學(xué) 44 弱小目標(biāo)的檢測過程 46 小結(jié) 52 4．結(jié) 論 53 論文總結(jié) 53 展望 53 參考文獻(xiàn) 55 致 謝 57 論 論文背景與意義氫是大部分有色金屬如Al、Mg、Cu、Ni及其合金在熔煉過程中吸入氣體的主要成分，其溶解量占溶解氣體的80%左右，金屬凝固過程中過飽的氫非常容易從凝固界面處的合金固相中析出，從而在鑄件中產(chǎn)生析出性氣體,降低了金屬的力學(xué)性能。本文提供了一套檢測氣泡的方法，首先分析目標(biāo)、背景干擾和噪聲在圖像中的差異，對圖像進(jìn)行預(yù)處理，然后再基于小波分析理論對小波分解后信號的處理，并結(jié)合數(shù)學(xué)形態(tài)學(xué)和差分法的一系列運(yùn)算，最后有效地檢測出第一氣泡。摘 要高溫鎂熔液表面第一氣泡的識別是鎂熔液含氫量快速現(xiàn)場檢測的關(guān)鍵技術(shù)。由于鎂合金熔液自身的特性—極易氧化與燃燒，造成氣泡周圍背景非常復(fù)雜，利用小波分析的多尺度分解的方法，就能夠把淹沒在復(fù)雜背景中的特征量變化揭示出來。另外本文將相當(dāng)篇幅投入尺度函數(shù)和小波基特別是雙正交小波基的構(gòu)造上，同時在閥值處理時提出軟硬閥值同時處理的構(gòu)思，盡管在這些方面成果并不突出，但這可能是一個發(fā)展方向，期待下一次的探索。從而有效地檢測鎂熔液含氫量成為目前研究的熱點(diǎn)。但是由于鎂合金溶液極易氧化和燃燒，若要較明顯的檢測出氣泡就必須要克服Mg溶液周圍復(fù)雜的背景。小波變換理論的方法就能在復(fù)雜背景中檢測出弱小目標(biāo)，揭示待檢測的特征量變化。因此，雙正交小波基的構(gòu)造及其應(yīng)用于圖像檢測將在本論文中被仔細(xì)研究，尤為重要的選擇最佳的圖像處理方法，以對需要處理的弱目標(biāo)進(jìn)行檢測，以實(shí)現(xiàn)對高溫鎂熔液表面第一氣泡的識別。所謂弱小目標(biāo)，是指當(dāng)成像系統(tǒng)與目標(biāo)相距較遠(yuǎn)時，盡管目標(biāo)自身的直徑可能有幾米甚至幾十米，但在成像平面內(nèi)占有像素?cái)?shù)目較少的目標(biāo)。一般地，弱小目標(biāo)的灰度特性可以用弱小目標(biāo)的鄰域信雜比來描述，它是衡量目標(biāo)相對于鄰域雜波的一個重要參量。我們一般認(rèn)為，弱小目標(biāo)應(yīng)滿足。但是它也是這個領(lǐng)域的研究難點(diǎn)，它存在如下特點(diǎn)[12]：(1) 信噪比很低：在遠(yuǎn)距離情況下，探測器接收到的目標(biāo)信號強(qiáng)度很弱，一般情況下，圖像信噪比很低。圖像中的小目標(biāo)往往是遠(yuǎn)距離成像的目標(biāo)，經(jīng)過較長距離的大氣衰減，到達(dá)成像系統(tǒng)的能量通常較弱，因此目標(biāo)像點(diǎn)的信號強(qiáng)度弱。因此，傳統(tǒng)的基于強(qiáng)度信息的目標(biāo)檢測方法難以繼續(xù)使用。而區(qū)別目標(biāo)與噪聲的依據(jù)，一般只有目標(biāo)的運(yùn)動特征(速度、方向、軌跡)和目標(biāo)點(diǎn)與背景的灰度差異，可用的信息很少。因此給目標(biāo)檢測帶來了很大的困難。(5) 目標(biāo)信息穩(wěn)定：遠(yuǎn)距離探測目標(biāo)時，獲得的目標(biāo)信息(灰度、運(yùn)動特征)較為穩(wěn)定，一般不會出現(xiàn)突變，這是檢測和識別弱小目標(biāo)的重要依據(jù)。小目標(biāo)的檢測往往不能直接運(yùn)用面目標(biāo)檢測中常用的利用目標(biāo)的形狀、尺寸等特征進(jìn)行目標(biāo)模式識別的方法?？梢岳媚繕?biāo)的運(yùn)動特性，通過多幀圖像的處理，來抑制背景和噪聲，提高檢測出小目標(biāo)的概率。(2) 其次，與大目標(biāo)相比，弱小目標(biāo)和背景的對比度較低、邊緣模糊，因而不宜用灰度統(tǒng)計(jì)和邊緣檢測的方法。(4) 最后，弱小目標(biāo)的檢測往往是在大面積背景中進(jìn)行的，因而檢測方法還必須具備簡單快捷的特點(diǎn)，能夠?qū)D像進(jìn)行實(shí)時的處理。要求監(jiān)視和預(yù)警系統(tǒng)具備極快的反應(yīng)速度，只有及時地發(fā)現(xiàn)和捕獲目標(biāo)，才能實(shí)現(xiàn)有效的監(jiān)視和預(yù)警作用。低對比度弱小目標(biāo)的檢測與跟蹤算法的研究，對于提高監(jiān)視和預(yù)警系統(tǒng)的作用距離及反應(yīng)速度具有十分重要的意義。同時，在現(xiàn)代高科技生產(chǎn)中，為了盡可能早地發(fā)現(xiàn)目標(biāo)，使系統(tǒng)有足夠的反應(yīng)時間，要求及時發(fā)現(xiàn)目標(biāo)，在此過程中，弱小目標(biāo)的檢測在整個系統(tǒng)中起著至關(guān)重要的作用。遠(yuǎn)距離的成像目標(biāo)通常淹沒在背景雜波中，目標(biāo)信號幅值相對于背景和噪聲很弱，具有很低的信噪比，因而弱小目標(biāo)檢測仍然是當(dāng)前一個熱門的尖端課題。國外學(xué)者于七十年代末期提出了弱目標(biāo)概念。根據(jù)弱目標(biāo)的不同性質(zhì)可將其分為兩類，一類是低對比度目標(biāo)，即灰度弱目標(biāo)；一類是像素?cái)?shù)少的目標(biāo)，即