导读:本文包含了结构先验论文开题报告文献综述及选题提纲参考文献，主要关键词:增材制造,点阵,CT检测,CT图像
结构先验论文文献综述
高小松,马宁,孙利,刘辉,杨耀东[1]（2019）在《基于形状先验点阵结构CT图像边缘提取方法》一文中研究指出采用增材制造的复杂点阵结构已经得到了广泛的应用,CT检测技术与其他无损检测技术相比,其优势在于能给出与复杂点阵结构的几何结构、组分及密度特性相对应的CT图像。为了准确提取CT图像中点阵结构连杆几何形态特征,提出了一种基于形状先验的CT图像边缘提取方法,利用数学矩的概念将点阵结构感兴趣区等效为具有相同标准二阶中心矩的椭圆,获取点阵结构CT图像感兴趣区边缘各像素点到图像中心的有效数据信息,然后以形状先验信息为检核条件,实现点阵结构CT图像边缘提取。该方法可以不受点阵结构表面不线性、不规则的影响和点阵结构复杂造成的CT图像质量差的影响,准确提取感兴趣区内的CT几何特征,所用参数都是利用数学矩解算,可实现高精度的尺寸测量,并且可实现自动测量。(本文来源于《新技术新工艺》期刊2019年11期）
姜维,王学春,杨勇[2]（2019）在《基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法》一文中研究指出为了解决当前红外图像增强算法难以较好地兼顾边缘增强与噪声抑制,导致增强结果易丢失细节与视觉不自然的问题,提出了基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法。首先,利用8个边缘核与8个角点核,对Prewitt梯度算子进行拓展,从多个方向来提取红外图像的结构特征映射;随后,利用结构特征映射来计算红外目标的约束控制函数,并基于Gibbs先验模型,构建结构特征先验,获取红外图像对应的最优估计;基于红外图像的多尺度特征,引入贝叶斯函数,并联合最优估计,对红外图像完成有序平滑处理;最后,利用多尺度特征映射来改进传统的反锐化掩模算法,对平滑后的红外图像完成增强。实验结果显示,与当前红外图像增强方案相比,所提算法具有更高的增强质量与噪声抑制能力,可以更好地保持图像细节,其模糊线性指数与熵值分别为0. 21、7. 35。(本文来源于《电子测量与仪器学报》期刊2019年04期）
张文杰[3]（2019）在《不同心循环结构先验条件下的心音特征提取与识别研究》一文中研究指出心音信号作为心脏运动产生的一种生理信号,蕴含着心电图不可替代的人体心血管健康状况信息。通过对心音信号的分析和学习,能够为心脏疾病病情的诊断和监测提供决策依据,具有重要的社会效益和经济效益。心音信号是由一系列心循环构成的准周期信号,其中反映不同类型病理信息的心杂音通常出现在心循环的不同位置上。在已知心循环结构的条件下,按照信号的时序结构,往往能够提取出有效的特征来进行心音分类。然而准确的划分出心循环结构难度大、成本高,有时只能在心循环结构未知的情况下开展心音特征的提取与识别研究。同时,在许多应用场景中仅关注心音是否异常,而不区分具体的异常类型。对这类识别任务,即使没有心循环结构的划分信息也能开展工作。因而也有必要研究在心循环结构未知条件下的异常心音识别问题。近年来,大量学者分别在已知和未知心循环结构这两种不同条件下,对心音特征的提取与识别方法展开了相关的研究工作。虽然这些研究工作取得了一定的进展,但是由于心音信号的复杂性,仍然存在许多问题有待解决。本文针对目前在心循环结构已知条件下,对时序较一致的信号内容仍缺乏具有较强区分性和结构性的心音特征,以及在心循环结构未知条件下,特征易受信号时移影响而难以匹配的问题展开研究,其主要内容及创新工作如下:(1)在心循环结构已知条件下,针对已有方法所提取的心音特征区分性差的问题,提出了一种有效利用样本类别信息的判别式特征提取方法。通过使用偏最小二乘法寻找使心循环和类别标签具有最大相关性且方差最大的投影方向,来获得更具可分性的特征。进一步考虑到特征线性不可分的情况,将其映射到高维的线性可分的核空间中,从而在该核空间中使用核偏最小二乘法提取特征,以增加特征的区分性。实验结果表明,所提出的偏最小二乘特征提取方法具有更好的分类性能,且通过核方法能够进一步的提升分类性能。(2)在心循环结构已知条件下,针对传统的心音特征对心音信号的不同成分在心循环内的时频结构及其相对位置信息表示能力差的问题,提出了保持心循环完整时频结构的特征提取方法。通过使用张量分解方法对心循环结构内的时频谱特征按时域和频域方向同时进行降维,从而得到保持其时频结构的具有更好表示能力的特征。进一步,在张量分解过程中通过Fisher判别准则和偏最小二乘准则引入心音类别信息,以增加特征的区分性。实验结果表明,所提出的张量分解特征提取方法具有更好的分类性能,使用Fisher判别准则或偏最小二乘准则能够进一步的提升分类性能。(3)在心循环结构未知条件下,针对现有的时移不变心音特征提取方法没有充分考虑信号自相关信息之间的相互关系,从而不能精细反映心音各子带及其自相关各阶次特点的问题,提出了基于子带自相关时延域依赖的特征提取和异常心音识别方法。通过对心音信号的各个子带使用平均幅度差函数来得到在时延域上具有一定的长短时依赖关系的子带自相关特征。进一步使用长短时记忆网络对此依赖关系进行建模,得到精细反映心音特点的子带自相关建模特征。实验结果表明,所提出的方法得到的建模特征具有更好的异常心音识别性能。(4)在心循环结构未知条件下,针对以往的心音特征提取方法不能同时兼顾局部重要信息和时移不变的问题,提出了具有时移不变性的局部时频结构特征提取与异常心音识别方法。通过使用卷积神经网络逐层提取心音时频谱的局部特征,并对最后卷积层使用时域最大池化方法来获得特征表示,从而在保留最重要局部信息的同时,也消除了时移的影响。实验结果表明,所提出的局部时频结构特征提取方法具有更好的异常心音识别性能。(本文来源于《哈尔滨工业大学》期刊2019-03-01）
王琦,陈晓静,汪剑鸣,李秀艳,段晓杰[4]（2019）在《基于人体结构先验信息的胸部电阻抗成像方法》一文中研究指出电阻抗成像(EIT)技术对于人体胸腔病理变化及肺部检测具有重要的临床价值。由于胸部轮廓具有特异性,传统模型成像方法误差较大。提出一种基于人体结构先验信息的胸部电阻抗成像方法,通过对CT图片进行图像处理来提取胸部及肺部轮廓,为正问题和逆问题提供图像边界的先验信息,同时基于边界先验信息提出一种有效的图像逆问题剖分方法,使重建图像形状更接近真实情况,改善成像效果。为进行有效性验证,从某医院CT数据库中选取30张肺部健康的人体CT图像,对于所提出的方法与两种传统模型成像方法(基于椭圆形模型和基于圆形模型的成像方法),分别就其肺部区域比例(LRR)与真实值以及所产生的相对误差进行统计学对比分析。结果表明,所提出方法的LRR与真实值之间无显着性差异,其相对误差(3.71%±1.77%)显着小于基于椭圆形模型(10.29%±3.30%)和基于圆形模型(12.74%±2.87%)这两种成像方法(P<0.05),能有效提高成像质量。(本文来源于《中国生物医学工程学报》期刊2019年01期）
贺静[5]（2019）在《基于压缩感知和结构化稀疏先验信息的电阻抗成像方法研究》一文中研究指出在过去几十年,电阻抗层析成像(Electrical Impedance Tomography,EIT)技术作为一种无创可视化测量技术得到快速发展。EIT成像技术具有轻便,安全廉价,非侵入性以及测量快速性等优点,在生物医学成像和工业过程成像等领域具有广泛的应用前景。由于EIT图像重建问题具有欠定性、病态性,所以通过有效的图像重建算法,减轻EIT重建矩阵的病态程度,提高重建计算的精度和稳定性,并在保证重建时间的条件下增强图像的分辨能力,成为当前亟待解决的问题。迭代方法是目前应用于EIT图像重建的一种重要的方法,但目前的迭代方法,如代数重建技术(Algebraic Reconstruction Technique,ART),需要较多迭代次数满足成像要求,导致算法收敛速度较低。为克服迭代方法收敛速度低的缺点,本文创新性地使用了 Symkaczmarz迭代算法作为一种电阻抗成像新方法进行EIT成像。Symkaczmarz算法可以通过优化投影次序达到减少迭代次数、加速算法收敛的效果。然而,Symkaczmarz算法易受到系统噪声的影响,很难保证EIT图像质量。为了进一步提高成像质量,本文基于小波树结构模型建立了结构化稀疏表示模型,提出了基于结构化稀疏先验信息的EIT图像重建方法。结构化稀疏表示方法可以提取与图像内在结构信息相对应的特征信息,从而可以进一步提高稀疏化程度,同时达到改善重建图像质量的目的。但考虑到EIT成像方法实时性的问题,为进一步缩短成像算法消耗时间,并保证图像重建质量,本文提出了基于压缩感知采样的电阻抗成像测量方法,该方法考虑了压缩感知理论的基本原理和适用条件,对EIT系统测量数据进行随机采样,并运用基于结构化稀疏先验信息的重建算法对随机采样数据进行图像重建。该方法可以通过降低采样数据量,提高系统响应速度,从而达到在不影响重建质量的同时,有效缩短重建时间的目的。最后,本文采用基于压缩感知采样和结构化稀疏表示结合的电阻抗成像方法开展了仿真和系统实验,验证了方法的可行性。实验结果证明该方法可以在增强对噪声鲁棒性的同时提高成像速度,更适合于生物医学成像中同时需要兼顾成像精度和速度的场合。(本文来源于《天津工业大学》期刊2019-01-23）
迪特·亨利希,范大邯[6]（2018）在《康德先验演绎的证明结构》一文中研究指出范畴的先验演绎是《纯粹理性批判》的核心部分。《纯粹理性批判》的两个最重要的证明——成系统的经验知识的可能性的证明,超越了经验界限的知识的不可能性的证明——统一在范畴的先验演绎之中。康德自己认为,这个理论是崭新的并且极端地困难,他自己也承认,自己只是吃力地(本文来源于《清华西方哲学研究》期刊2018年01期）
王伟,任国恒,陈立勇,张效尉[7]（2019）在《基于结构先验与协同优化的城市场景分段平面重建》一文中研究指出在基于图像的城市场景叁维重建中,场景分段平面重建算法可以克服场景中的弱纹理、光照变化等因素的影响而快速恢复场景完整的近似结构.然而,在初始空间点较为稀疏、候选平面集不完备、图像过分割质量较低等问题存在时,可靠性往往较低.为了解决此问题,本文根据城市场景的结构特征构造了一种新颖的融合场景结构先验、空间点可见性与颜色相似性的平面可靠性度量,然后采用图像区域与相应平面协同优化的方式对场景结构进行了推断.实验结果表明,本文算法利用稀疏空间点即可有效重建出完整的场景结构,整体上具有较高的精度与效率.(本文来源于《自动化学报》期刊2019年11期）
杨星[8]（2018）在《Tetrolet域uHMT结构先验与Turbo均衡的压缩成像》一文中研究指出基于Tetrolet变换系数的尺度间传递特性与按指数衰减特性,本文构建了一种Tetrolet域通用隐马尔科夫树结构稀疏先验模型,把Tetrolet变换系数的统计分布表示成二值高斯混合形式作为先验信息,并采用因子图方法估计后验状态概率。为了解决在有环路的因子图中消息不能稳定收敛的问题,利用Turbo均衡方法把压缩采样和结构先验部分分割成两个子图,分别进行状态估计并相互交换消息。最后依据最小均方误差准则估计得到重构图像,对128×128的测试图像重构的归一化均方误差可达-20.97dB,运行时间为45.24s。实验结果表明该算法在重构质量和运行速度上优于小波域隐马尔科夫树模型的各类算法。(本文来源于《光学精密工程》期刊2018年07期）
骆紫薇[9]（2018）在《基于先验信息与压缩感知的结构损伤识别》一文中研究指出自我国进入现代化建设的新时期,大规模的土木工程建设越来越多,结构在服役期间的安全性和可靠性日益受到人们的关注和重视。为了对结构的健康状态进行评估,人们提出了结构健康监测系统。结构损伤识别作为结构健康监测的主要研究热点之一,得到了广泛的研究。近年来,学者们利用损伤的稀疏性,提出了基于稀疏正则化的结构损伤识别方法。该方法虽然有效地改善了原问题的不适定性,但仍存在很多的不足。为了合理化识别结果、提高识别效率和减少计算空间,本文结合范数归一化、损伤先验信息以及压缩感知理论,进行结构损伤识别研究,着重开展以下几个方面的研究工作:(1)综述了近年来基于振动的结构损伤识别方法,根据是否利用结构的物理特征进行损伤识别,将结构损伤识别方法分为基于模态的方法、局部诊断法、非参数法和时间序列分析法,并对它们进行了简要的介绍,并简述了将稀疏正则化和压缩感知等理论引入结构损伤识别的适用性。(2)提出了基于范数归一化和损伤先验信息的结构损伤识别方法。基于稀疏正则化和一阶灵敏度分析的结构损伤识别方法在噪声等因素的影响下,会出现误判和刚度强化等不合理的识别结果。所提新方法在该方法的基础上,引入范数归一化对各单元在损伤识别中的灵敏度进行了调整,并考虑了结构的实际情况,在求解过程中添加不同的损伤先验信息对解空间进行约束。最后通过悬臂梁、两层刚架以及二维桁架数值算例对所提方法的鲁棒性、有效性和适用性进行了验证。(3)提出了基于压缩感知和损伤先验信息的结构损伤识别方法。为了将压缩感知理论与一阶灵敏度分析方法相结合,首先构建超完备灵敏度矩阵以及满足适应于矩阵D的RIP(简称D-RIP)性质的测量矩阵;然后通过子空间投影的方法,减少损伤识别的计算空间;最后采用l_1范数正则化方法对目标函数进行求解,并在求解过程中引入损伤先验信息,使识别结果更合理。为了验证所提方法压缩计算空间和识别结构损伤的能力,采用二维桁架数值算例对该方法进行了研究分析。(4)在实验室搭建了悬臂梁结构,用于验证基于压缩感知和损伤先验信息的结构损伤识别方法的正确性和有效性。通过模态分析获取结构健康状态的频率信息,采用粒子群优化算法对有限元模型的相关参数进行修正,得到能较好描述实际结构的有限元模型。采用对结构的局部宽度进行折减的方式模拟了多种损伤工况,并获取不同工况下结构的频率信息,从而采用所提方法对结构的损伤状态进行评估,以此验证该方法的可行性。(本文来源于《暨南大学》期刊2018-05-31）
张海娇,孔慧华,孙永刚[10]（2018）在《基于结构先验的加权NLTV能谱CT重建算法》一文中研究指出能谱计算机断层扫描在数据采集过程中可以区分光子能量,并同时得到多个能量通道的投影。由于单个能量通道只包含了总光子数的一小部分,且大多数光子计数探测器只能承受有限的计数率,所以多通道投影通常含有较大的噪声。为了从噪声投影中重建出高质量的能谱图像,利用不同能量通道下重建图像具有结构相似性,提出一种基于结构先验的加权非局部全变分(NLTV)重建算法。设计了简单和复杂两种模型进行仿真,比较了TV算法、NLTV算法、加权NLTV算法,以及基于结构先验的加权NLTV等去噪算法的重建效果,结果表明,本文算法对复杂模型和高噪声模型的重建具有明显优势。(本文来源于《光学学报》期刊2018年08期）
结构先验论文开题报告
（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：
为了解决当前红外图像增强算法难以较好地兼顾边缘增强与噪声抑制,导致增强结果易丢失细节与视觉不自然的问题,提出了基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法。首先,利用8个边缘核与8个角点核,对Prewitt梯度算子进行拓展,从多个方向来提取红外图像的结构特征映射;随后,利用结构特征映射来计算红外目标的约束控制函数,并基于Gibbs先验模型,构建结构特征先验,获取红外图像对应的最优估计;基于红外图像的多尺度特征,引入贝叶斯函数,并联合最优估计,对红外图像完成有序平滑处理;最后,利用多尺度特征映射来改进传统的反锐化掩模算法,对平滑后的红外图像完成增强。实验结果显示,与当前红外图像增强方案相比,所提算法具有更高的增强质量与噪声抑制能力,可以更好地保持图像细节,其模糊线性指数与熵值分别为0. 21、7. 35。
（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。
结构先验论文参考文献
[1].高小松,马宁,孙利,刘辉,杨耀东.基于形状先验点阵结构CT图像边缘提取方法[J].新技术新工艺.2019
[2].姜维,王学春,杨勇.基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法[J].电子测量与仪器学报.2019
[3].张文杰.不同心循环结构先验条件下的心音特征提取与识别研究[D].哈尔滨工业大学.2019
[4].王琦,陈晓静,汪剑鸣,李秀艳,段晓杰.基于人体结构先验信息的胸部电阻抗成像方法[J].中国生物医学工程学报.2019
[5].贺静.基于压缩感知和结构化稀疏先验信息的电阻抗成像方法研究[D].天津工业大学.2019
[6].迪特·亨利希,范大邯.康德先验演绎的证明结构[J].清华西方哲学研究.2018
[7].王伟,任国恒,陈立勇,张效尉.基于结构先验与协同优化的城市场景分段平面重建[J].自动化学报.2019
[8].杨星.Tetrolet域uHMT结构先验与Turbo均衡的压缩成像[J].光学精密工程.2018
[9].骆紫薇.基于先验信息与压缩感知的结构损伤识别[D].暨南大学.2018
[10].张海娇,孔慧华,孙永刚.基于结构先验的加权NLTV能谱CT重建算法[J].光学学报.2018