非张量积小波论文-黄素莹,羿旭明

非张量积小波论文-黄素莹,羿旭明

导读:本文包含了非张量积小波论文开题报告文献综述及选题提纲参考文献,主要关键词:非张量积小波紧框架,最优分解层数,自适应阈值,图像去噪

非张量积小波论文文献综述

黄素莹,羿旭明[1](2018)在《自适应非张量积小波紧框架图像去噪》一文中研究指出本文研究了图像去噪的问题.利用光滑余因子协调法,构造了样条空间S_6~4(?_(mn)~(2))中的二元六次样条函数,以此作为尺度函数,并基于酉延拓定理,构造了非张量积小波紧框架.利用构造的非张量积小波紧框架,提出了基于香农熵自适应确定最优小波紧框架分解层数以及改进的Normal Shrink自适应阈值算法,并给出了图像去噪实例和结果分析,获得了理想的数值结果,显示了本文方法的有效性.(本文来源于《数学杂志》期刊2018年03期)

李凯[2](2012)在《基于非张量积小波的像素级图像融合方法研究》一文中研究指出图像融合是指按照一定的规则,把同一场景或目标的多个传感器的成像或单一传感器的多次成像进行一定的处理,生成一幅新的图像,新的融合结果图像更符合人眼或机器的视觉特性,有利于对图像的进一步分析、理解;目标的检测、识别或跟踪。它克服了通过单一传感器所获得的图像信息不足的缺点,得到了同一场景或目标更全面、更准确、更可靠的信息。图像融合在自动目标识别、机器视觉、遥感、机器人、复杂智能制造系统、医学图像等非军事领域和军事领域得到了广泛的应用,已成为一门研究热点。按照图像融合过程的信息抽象程度,可将图像融合的层次从低到高分为:像素级、特征级、决策级。像素级图像融合是直接对像素信息进行处理,得到一幅融合结果图像,目前融合算法研究大都集中在这一层次上。非张量积小波是近年来才发展起来的小波理论,其应用也远远落后于张量积小波。作为非张量积小波理论的一个重要方面,非张量积小波滤波器的设计已经成为人们研究的热点。和张量积小波滤波器相比,非张量积小波滤波器在构造上有更大的自由度而且具有捕获所有方向的奇异性的特点,它还拥有传统小波所有的多分辨率分析和低计算复杂度的能力。这样,与张量积的小波变换相比,对图像做非张量积小波分解时,可提供更多的高频信息,更有利于图像信息分析,有更大的应用前景。具有线性相位(对称或反对称)的小波具有完全重构的特性,这类小波在图像重构时不会产生相位失真,进而不会导致边缘失真,这对图像融合来说极其重要,因为图像融合过程的最后一步往往就是图像重构,而Daubechies系列小波中只有Haar小波具有对称性,因此,构造具有线性相位的紧支撑、正交性非张量积小波和滤波器组对图像融合有重要意义。本文着重研究了一种二维非张量积小波滤波器构造的基本理论和方法,对二、叁、四通道的情形分别给出了具体例子,并将其应用于图像融合实验当中。一方面,对于多聚焦图像的融合,提出了一种基于非下采样对称性非张量积小波的融合方法,对融合规则进行改进,用信息熵、标准差、平均梯度、空间频率等指标对方法进行了客观评价,融合结果图像视觉效果和客观性能指标要优于基于可分小波的融合方法。另一方面,对于多光谱与全色图像的融合,提出了一种基于IHS变换和对称性非张量积小波的融合方法,采用相关系数、光谱扭曲度、相对平均光谱误差等性能指标评价融合图像。实验结果表明,该方法在图像边缘等细节上有较好的视觉效果,其保持光谱信息的能力和保持高空间分辨率信息的能力要优于改进的工HS方法、DWT方法以及IHS-DWT方法。最后,对论文进行了总结,并提出了进一步研究的方向。(本文来源于《湖北大学》期刊2012-04-10)

杨占英,于云霞[3](2012)在《高维张量积Meyer小波的一种新分解(英文)》一文中研究指出基于Meyer小波的无穷可微性、急减性和消失矩性等重要性质,给出了高维张量积Meyer小波的一种新的分解形式.(本文来源于《西南大学学报(自然科学版)》期刊2012年02期)

曾武,徐正全,周龙[4](2012)在《基于SURE-LET和非张量积小波的遥感图像去噪》一文中研究指出针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤.通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果.实验结果表明:此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法.(本文来源于《华中科技大学学报(自然科学版)》期刊2012年02期)

于梅,卢振泰,冯前进,陈武凡[5](2010)在《非张量积小波的肝脏CT图像检索》一文中研究指出提出了一种基于内容的图像检索(CBIR)方法,用于医学肝脏带病灶CT图像的计算机辅助诊断(CAD)。根据医学CT图像的模糊边界和区域特征不明显等特点,将肝部感兴趣区域用半自动方法分离出来,提取局部纹理共生矩阵特征和灰度特征,然后利用改进的非张量积小波滤波器组提取图像全局特征。实验结果表明,该方法可以提高病灶的检出率,对较难鉴别诊断肝血管瘤和肝癌这两种丰富供血肿瘤的CT图像问题,也有较好的效果。(本文来源于《计算机工程与应用》期刊2010年28期)

于梅,卢振泰,冯前进,陈武凡[6](2010)在《基于非张量积小波的肝脏CT图像检索》一文中研究指出背景:目前,人们已经提出了关于CBIR的各种各样的图像纹理、形状描述子,但仍然不理想。可以从提取的小波子带系数的统计特性作为纹理。利用广义高斯分布模型也可以描述图像小波变换系数的统计特性。但这是基于张量积小波,而张量积小波仅能获取少数方向的信息,不能反映图像多个方向的纹理信息。当前的CBIR技术在医学图像上的研究主要集中在图像相对于模态、解剖结构及视角的方面的自动分类方面,但在带病灶图像检索方面的研究还很少涉及。方法:本文提出了一种应用于医学肝脏带病灶CT图像的计算机辅助诊断的检索方法,根据医学C T图像的特点,将感兴趣区域用半自动方法分离出来,用改进的非张量积小波滤波器组提取图像全局特征,及用灰度共生矩阵和灰度特征提取图像的病灶(局部)特征。用户输入待诊断的图片后,分别用db4小波、gabor小波和本文方法提取全局特征向量,并用相同方法提取局部特征向量,在图像数据库中搜寻其匹配图像。结果:从图可以看出本文算法明显优于其它两种方法,该算法采用了非张量积小波滤波器,充分利用了它的正交、对称、多方向纹理等特性。讨论:从实验结果分析知道,非张量积小波全局特征具有更丰富的纹理信息,因此结合局部特征该算法具有较好的检索效果。本算法能提高肝部疾病诊断的准确率,可以作为医生的辅助诊断手段。此辅助诊断系统有较好的临床应用价值,对较难鉴别诊断肝血管瘤和肝癌这两种丰富供血肿瘤的CT图像问题,也有较好的效果。(本文来源于《广东省生物医学工程学会成立30周年纪念大会暨2010广州(国际)生物医学工程学术大会论文集》期刊2010-09-26)

杨占英,赵先鹤[7](2010)在《高维张量积Meyer型小波的一个注记》一文中研究指出基于急减空间S(Rn)中的一个单元光滑分解,并利用Meyer型小波母函数的性质如急速衰减性、消失矩性等给出了高维张量积Meyer型母小波的一种新的具有指数衰减的分解形式.(本文来源于《河南师范大学学报(自然科学版)》期刊2010年03期)

金瑜,陈光,王镇清[8](2008)在《基于非张量积小波网络的模拟电路故障诊断》一文中研究指出为了克服张量积小波神经网络由于张量积小波缺乏自由度和具有很强的方向性等缺陷所引起的不足,提出了用非张量积小波取代张量积小波作为小波神经网络的激励函数构造非张量积小波神经网络的方法。先构造一个非张量积尺度函数,再根据多分辨分析理论得出该尺度函数的非张量积小波函数,把所构造的非张量积尺度函数和小波函数共同作为小波神经网络的激励函数。把该网络应用于模拟电路故障诊断,仿真结果表明,非张量积小波神经网络的效果比相应的张量积小波神经网络要好得多。(本文来源于《仪器仪表学报》期刊2008年08期)

李小雄,牛双国[9](2008)在《高正则非张量积二维小波的Grbner基构造》一文中研究指出为构造非张量积二维小波,在分析二维小波与滤波器组关系的基础上,研究了小波高正则性的条件,并将其转换成一个关于二维滤波器组系数的高阶多元多项式方程组.由于构成这种方程组的方程的未知数和项数都太多,求解它是一个非常困难的问题,因此采用二维小波滤波器组的阶因式分解表示,将待求的高阶多元多项式方程组分解为两个子方程组,应用计算代数中的Grbner基算法分别求解出两个子方程组的Grbner基,进而求解出2~3正则阶的小波滤波器组的全部参数,最终构造出了图像处理中所需要的正交对称的非张量积二维小波.(本文来源于《河南教育学院学报(自然科学版)》期刊2008年01期)

葛雯,高立群[10](2008)在《基于非张量积小波变换的足迹边缘提取算法》一文中研究指出文章针对张量积小波图像边缘检测方法不能有效保留边缘信息的情况,提出了一种注重边缘保护的足迹边缘提取算法。该算法将非张量积小波变换和形态学理论引入到足迹边缘检测中,并利用合理的融合规则融合足迹边缘,使得到的合成图像清晰、全面地再现足迹边缘,为侦察人员确定犯罪分子提供有利的依据。(本文来源于《计算机安全》期刊2008年03期)

非张量积小波论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

图像融合是指按照一定的规则,把同一场景或目标的多个传感器的成像或单一传感器的多次成像进行一定的处理,生成一幅新的图像,新的融合结果图像更符合人眼或机器的视觉特性,有利于对图像的进一步分析、理解;目标的检测、识别或跟踪。它克服了通过单一传感器所获得的图像信息不足的缺点,得到了同一场景或目标更全面、更准确、更可靠的信息。图像融合在自动目标识别、机器视觉、遥感、机器人、复杂智能制造系统、医学图像等非军事领域和军事领域得到了广泛的应用,已成为一门研究热点。按照图像融合过程的信息抽象程度,可将图像融合的层次从低到高分为:像素级、特征级、决策级。像素级图像融合是直接对像素信息进行处理,得到一幅融合结果图像,目前融合算法研究大都集中在这一层次上。非张量积小波是近年来才发展起来的小波理论,其应用也远远落后于张量积小波。作为非张量积小波理论的一个重要方面,非张量积小波滤波器的设计已经成为人们研究的热点。和张量积小波滤波器相比,非张量积小波滤波器在构造上有更大的自由度而且具有捕获所有方向的奇异性的特点,它还拥有传统小波所有的多分辨率分析和低计算复杂度的能力。这样,与张量积的小波变换相比,对图像做非张量积小波分解时,可提供更多的高频信息,更有利于图像信息分析,有更大的应用前景。具有线性相位(对称或反对称)的小波具有完全重构的特性,这类小波在图像重构时不会产生相位失真,进而不会导致边缘失真,这对图像融合来说极其重要,因为图像融合过程的最后一步往往就是图像重构,而Daubechies系列小波中只有Haar小波具有对称性,因此,构造具有线性相位的紧支撑、正交性非张量积小波和滤波器组对图像融合有重要意义。本文着重研究了一种二维非张量积小波滤波器构造的基本理论和方法,对二、叁、四通道的情形分别给出了具体例子,并将其应用于图像融合实验当中。一方面,对于多聚焦图像的融合,提出了一种基于非下采样对称性非张量积小波的融合方法,对融合规则进行改进,用信息熵、标准差、平均梯度、空间频率等指标对方法进行了客观评价,融合结果图像视觉效果和客观性能指标要优于基于可分小波的融合方法。另一方面,对于多光谱与全色图像的融合,提出了一种基于IHS变换和对称性非张量积小波的融合方法,采用相关系数、光谱扭曲度、相对平均光谱误差等性能指标评价融合图像。实验结果表明,该方法在图像边缘等细节上有较好的视觉效果,其保持光谱信息的能力和保持高空间分辨率信息的能力要优于改进的工HS方法、DWT方法以及IHS-DWT方法。最后,对论文进行了总结,并提出了进一步研究的方向。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

非张量积小波论文参考文献

[1].黄素莹,羿旭明.自适应非张量积小波紧框架图像去噪[J].数学杂志.2018

[2].李凯.基于非张量积小波的像素级图像融合方法研究[D].湖北大学.2012

[3].杨占英,于云霞.高维张量积Meyer小波的一种新分解(英文)[J].西南大学学报(自然科学版).2012

[4].曾武,徐正全,周龙.基于SURE-LET和非张量积小波的遥感图像去噪[J].华中科技大学学报(自然科学版).2012

[5].于梅,卢振泰,冯前进,陈武凡.非张量积小波的肝脏CT图像检索[J].计算机工程与应用.2010

[6].于梅,卢振泰,冯前进,陈武凡.基于非张量积小波的肝脏CT图像检索[C].广东省生物医学工程学会成立30周年纪念大会暨2010广州(国际)生物医学工程学术大会论文集.2010

[7].杨占英,赵先鹤.高维张量积Meyer型小波的一个注记[J].河南师范大学学报(自然科学版).2010

[8].金瑜,陈光,王镇清.基于非张量积小波网络的模拟电路故障诊断[J].仪器仪表学报.2008

[9].李小雄,牛双国.高正则非张量积二维小波的Grbner基构造[J].河南教育学院学报(自然科学版).2008

[10].葛雯,高立群.基于非张量积小波变换的足迹边缘提取算法[J].计算机安全.2008

标签:;  ;  ;  ;  

非张量积小波论文-黄素莹,羿旭明
下载Doc文档

猜你喜欢