基于小波包变换和高阶统计量的高斯判别准则的红外小目标的分割程序V1.0-MATLAB版_关于小波包变换和高阶统计量的高斯判别准则-优快云博客

本文介绍了一种基于小波包变换的红外图像分割方法。该方法首先读取图像并将其转换为灰度，然后通过小波包分解提取特征，并利用高斯性判断进行系数筛选，最后进行阈值分割得到结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

  这是最初版本，还会继续修改。

function infradDepartion
tic;
f=imread('G:\20所项目\相关代码\usedForTests\9.jpg');
if ndims(f)>2
f=rgb2gray(f);
end; 
order=4;
depth=4;
f=double(f);
%f=medfilt2(f);
T=wpdec2(f,order,'db8')
firstIndex=(order^depth-1)/3    %   depo2ind(order,[depth,0]);
lastIndex=((order^(depth+1)-1)/3)-1   %depo2ind(order,[depth,order^depth])-1;
gaus=[];
for i=firstIndex:lastIndex
 cfs=wpcoef(T,i);
 cfs=cfs*1.5;
 igass=judgeGauss(cfs);
 gaus=[gaus,igass];
 if i==firstIndex
      cp=wpcoef(T,i);
      [h,w]=size(cp);
      y=zeros(h,w);
      T=write(T,'cfs',i,y);
 end;
 if igass==1
     m=i;
  cp=wpcoef(T,m);
  [h,w]=size(cp);
  y=zeros(h,w);
  T=write(T,'cfs',m,y);
 end;
 end;
 f1=wprec2(T);
 means=mean2(f1)
 stds=std2(f1);
 v=means+stds*3;
 [l1,l2]=size(f1);
 for i=1:l1
     for j=1:l2
         if f1(i,j)<v
             f1(i,j)=0;
         else
             f1(i,j)=1;
         end;
     end;
 end;
 figure(1);subplot(121);
 imagesc(f);
 title('原始红外图像');
 colormap('gray');
 subplot(122);
 imagesc(uint8(f1));
 title('分割后的结果');
 colormap('gray');
toc;

  
  
function isGauss=judgeGauss(wpacketcoef)
L=numel(wpacketcoef);
[row,col]=size(wpacketcoef);
sum1=0;
sum2=0;
Confidence=0.95;
for i=1:row
    for j=1:col
        temp1=wpacketcoef(i,j)^4;
        temp2=wpacketcoef(i,j)^2;
        sum1=sum1+temp1;
        sum2=sum2+temp2;
    end;
end;
k=L*(sum1/(sum2^2))-3;
if abs(k)<sqrt(24/(L*(1-Confidence)))
    isGauss=1;
else
    isGauss=0;
end;

实验结果一