光
学
学
报
非下采样
变换
变换是一种新的多尺度分解方 法
可通过对基 本函数的一 系列仿射变 换生成基函数
当维数
等于
时
根据能量有限函数生成的合成膨胀仿射系统形式为
M
ψ
=
ψ
j
l
k
x
=|
A
|
j
ψ
B
l
A
j
x
-
k
j
l
k
式中
ψ
L
A
和
B
为
的可逆矩阵
j
为分解尺度
l
表示方向数
k
为平移
若
f
L
满
足
j
l
k
f
ψ
j
l
k
f
则
M
ψ
的元素称为合成小波
是合成小波的特例
矩阵
A
为膨胀矩
阵
A
A
æ
è
ç
ö
ø
÷
矩阵
B
为剪切矩阵
B
B
æ
è
ç
ö
ø
÷
相较于
变换
具有移不变性
能够更准确地 捕获图像中 的纹理
边缘
细节信息
变换包括多尺度分解和方向局部化两部分
具体步骤如下
采用非下采样金字塔分解源图像
获得低频
高
频分量
高频分量的方向局部化则通过改进的剪切滤波器实现
它能够将
中的标准剪 切滤波器
从
坐标系映射到
坐标系
免去了降 采 样操作
使得
分解后图 像 尺寸不变
最
后
通过傅里叶逆变换进行二维卷积
得到
系数
基于
灰度熵和
模型的红外图像目标提取
3.1
基于二维
Tsallis
灰度熵的红外图像分割
红外图像依据热辐射进行成像
具有良好的 目标指 向性
首先采用 二 维
灰度熵
对红外图 像
进行阈值分割实现目标的粗提取
然而使用二维
熵对红外图 像进行分割 提取出来的 区域不仅包 括
目标区域
还包括一些背景区域和孤立的噪声点等非目标区域
如图
所示
故进一步结合基于视觉注意机
制的模型剔除非目标区域
更精确地提取目标区域
图
基于二维
灰度熵的分割结果
3.2
基于
GBVS
模型的红外图像目标提取
给定一幅图像
视觉注意模型根据特定显著度衡量方法提取图像中的显著性区域
模型
是对
经典视觉注意模型
的改进
该模型首先使用高斯金字塔低通滤波器组和
金字塔滤波器组对源图
像进行滤波
分别得到多尺度下的亮度特征图和方向特征图
显著度衡量方法如下
特征图
M
中每
个像素点视作图论中图的一个节点
将该节点与其他节点相连
定义特征图
M
中节点
i
j
和节点
p
q
之间的差异度为
d
i
j
p
q
=
-
M
i
j
M
p
q
式中
M
i
j
M
p
q
分 别 为 特 征 图 中
i
j
p
q
处 的 值
从 点
i
j
到 点
p
q
的 有 向 边 被 赋 予
权重
w
i
j
p
q
=
d
i
j
p
q
F
i
-
p
j
-
q