导读:本文包含了非下采样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:机器视觉,显着性检测,Retinex,非下采样轮廓小波变换
非下采样小波论文文献综述
刘冬梅,常发亮[1]（2019）在《基于非下采样轮廓小波变换增强的从粗到精的显着性检测》一文中研究指出随着机器视觉和人工智能的快速发展,视觉注意机制作为机器视觉的重要组成部分,受到越来越多的关注。提出一种建立在非下采样轮廓小波变换(NSCT)基础上的从粗到精的显着性检测方法,该方法作为一种基于频域分析的显着性检测算法,能够充分利用图像的低频和高频信息,并能抑制光照对检测造成的影响。模型首先对输入图像进行非下采样轮廓小波分解,对低频分量进行Retinex增强以改善图像亮度的均匀性,从而抑制光照对显着性检测带来的影响,随后对其进行粗糙显着性检测;对高频分量进行非线性增强以抑制噪声并增强细节,重构得到高频特征图,在低频粗糙显着图的范围内对高频特征图进行全局和局部的显着性分析;最后经过融合得到精细显着图。在叁个数据集上进行对比实验,验证了所提算法的可行性和有效性。(本文来源于《光学学报》期刊2019年01期）
郭凌鑫,袁丽英,王飞越[2]（2018）在《非下采样离散小波变换多聚焦图像融合》一文中研究指出图像融合在军事、医疗等领域有广泛的应用,图像融合技术是指采用特定的算法将两幅或者多幅图像融合成为一幅新的图像。针对离散小波变换图像融合算法中下采样环节在每次滤波后一半的系数被丢弃导致缺乏平移不变性,使得融合算法易受到源图像误配准影响的问题,提出了一种基于非下采样离散小波变换的图像融合算法,采用窗口融合规则,并对融合系数进行一致性检测,弥补下采样环节的不足,提高融合效果。通过对基于离散小波变换和基于非下采样离散小波算法的图像多聚焦融合仿真研究表明,非下采样离散小波变换算法具有平移不变性,而且具有较高融合图像互信息和峰值信噪比,融合效果优于离散小波变换图像融合算法。(本文来源于《哈尔滨理工大学学报》期刊2018年02期）
殷向,马骏[3]（2018）在《小波包和非下采样轮廓波相结合的红外与可见光图像融合方法》一文中研究指出在红外与可见光图像融合中,为了更有效的检测出红外目标,使得融合效果更好。首先使用小波包和高斯判别处理红外图像,得到红外目标区域,这种方法可以得到复杂背景中的弱小目标,目标检测率更高,检测结果更准确。然后对红外与可见光图像进行非下采样轮廓波分解,得到高低频子带,并对低频子带中红外目标区域和背景目标区域分别进行融合,同时对高频子带系数使用区域能量和区域方差比较进行融合,最后把高低频子带融合系数进行逆变换,得到融合结果图像。通过主客观比较,证明了该方法的融合结果图边缘清晰,目标准确完整,过渡自然,融合效果更好。(本文来源于《激光杂志》期刊2018年01期）
刘晓倩[4]（2015）在《基于非下采样小波变换的图像去噪研究》一文中研究指出非下采样小波变换作为小波变换的另一种实现方法,因其能够较强的表达信号的时频局域特征、较好的保持信号的平移不变性,成为多尺度几何分析领域的一个有效工具。它有着完善的数学理论基础、快速的离散化方法,不仅能够快速高效的处理数据,而且对信号处理领域有着重要的研究意义。本文根据非下采样小波变换的特点以及分解后各个尺度系数所呈现的特征,提出并实现了下列图像去噪方法:(1)在非下采样小波变换域提出了根据曲线拟合确定阈值的贝叶斯图像去噪方法,首先对图像进行非下采样小波分解,利用非下采样小波变换的平移不变性使分解后的图像保留更多的细节信息;然后根据分解后所获得系数的非高斯性,应用广义高斯分布模型对其进行建模;再根据噪声方差与图像边缘标准差之间的相关性,利用曲线拟合确定新的阈值;最后通过对多幅图像的仿真实验,验证了该方法能够更好的保持图像的边缘和细节信息,并且具有较高的PSNR值。(2)根据非下采样小波变换的优点与不足以及四阶偏微分方程方法的优势与弊端,提出将二者有效结合的图像去噪方法,首先应用非下采样小波变换分解方法得到待处理图像的低频系数和高频系数,然后应用改进的四阶偏微分方程去噪模型对图像的高频系数进行处理,最后根据非下采样小波逆变换将低频系数与处理后的高频系数重构,仿真实验结果说明该方法不仅能充分利用非下采样小波的平移不变性和保护图像细节信息的能力,有效发挥改进的四阶偏微分方程方法较好的保持边缘和抓住细节信息的特性,还能有效抑制虚假边缘和块效应的产生。本文通过对非下采样小波变换的理论分析以及对所提出的非下采样小波变换域图像去噪模型的验证,可以看出非下采样小波变换的平移不变性对于图像去噪具有较好的适用性,并且处理效果较原有算法有明显的改善。(本文来源于《辽宁师范大学》期刊2015-05-01）
吴一全,宋昱[5]（2015）在《基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制》一文中研究指出针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换(NSCCT)和Gaussian小波支持向量回归(SVR)的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归(LS-SVR)、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。(本文来源于《兵工学报》期刊2015年04期）
徐小军,王友仁,陈帅[6]（2014）在《基于下采样分数阶小波变换的图像融合新方法》一文中研究指出为抑制小波变换图像融合方法在下采样过程产生的伪吉普斯效应,解决非下采样图像融合方法融合时间长的问题,提出了基于下采样的分数阶小波变换(FRWT)融合方法。该方法采用离散分数阶小波变换(DFRWT)对不同灰度特征源图像进行多尺度分解,根据不同阶数下图像分数阶小波变换子代模系数非稀疏性特点,分别使用区域最大和区域方差匹配图像融合规则进行对比实验,并对融合规则和阶数选取加以讨论。实验结果表明,相对于小波变换(DWT)融合方法,此方法有效的抑制了伪吉普斯效应,获得更好主观效果和较高客观评价指标值,与非下采样变换融合方法相比,该方法在确保融合质量的同时融合时间大为缩短。实验结果表明本文方法的有效性。(本文来源于《仪器仪表学报》期刊2014年09期）
殷明,白瑞峰,邢燕,庞纪勇,魏远远[7]（2014）在《基于非下采样双树复小波域的双变量模型去噪算法》一文中研究指出提出一种基于非下采样双树复小波域的图像去噪算法.首先分析非下采样双树复小波变换同一方向实部与虚部小波系数之间的相关性,通过实例及统计规律得到其联合概率分布近似服从于椭圆边界的单峰各向异性二维非高斯分布.然后把双变量统计模型引入到非下采样双树复小波变换实部和虚部小波系数中,将实部与虚部小波系数的联合概率分布作为双变量先验模型,得到了非下采样双树复小波变换自适应各向异性双变量去噪模型.该模型可以很好地体现实部与虚部小波系数之间的相关性.运用最大后验概率来估计从含噪图像的小波系数恢复原图像的系数,达到去噪目的.最后根据该模型得到了一种具有闭式解的去噪算法.实验表明:该算法比经典算法提高了一定的峰值信噪比,且有良好的视觉效果,较好地保持了图像中的纹理特征.(本文来源于《光子学报》期刊2014年10期）
宗靖国,秦翰林,何国经,袁胜春,刘德连[8]（2013）在《非下采样小波变换红外光谱数据去噪》一文中研究指出为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。(本文来源于《强激光与粒子束》期刊2013年05期）
曹义亲,雷章明,黄晓生[9]（2012）在《基于区域的非下采样形态小波医学图像融合算法》一文中研究指出提出了基于区域的非下采样形态小波医学图像融合算法。该算法首先将待融合的图像进行非下采样形态Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融合;最后根据融合后的低频子带及高频子带进行融合图像重构。实验结果表明,该算法在保持移不变形态小波融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺点。(本文来源于《计算机应用研究》期刊2012年06期）
周娇[10]（2012）在《基于小波变换与非下采样Contourlet变换的图像去噪方法研究》一文中研究指出在现实生活中所获得的图像往往都受到了噪声的干扰,噪声的存在给图像后续处理和分析带来困难。因此对图像去噪方法的研究具有非常重要的意义。本文主要基于小波变换和非下采样Contourlet变换对图像去噪问题进行了研究,主要工作如下：(1)提出了一种改进的小波域非局部均值去噪算法,该算法在已有小波域非局部均值去噪方法的基础上,为了更加准确地估计子带非局部的相似性,论文同时考虑低频图像的相似度和高频图像的相似度,把低频图像的相似度和高频图像的相似度相乘作为最终各细节子带非局部块的相似度,给出了改进的小波域非局部均值去噪算法的权值计算公式。实验表明相比原算法,改进后算法在噪声抑制和保留图像边缘和细节信息方面均有所提高。(2)针对超声图像降斑问题,将基于正交小波变换的双变量阈值去噪方法推广至二进小波变换域,并应用于超声图像斑点抑制,提出了基于二进小波的双变量阈值超声图像降斑方法。二进小波具有的平移不变性和对边缘等细节信息的良好响应特性使得该方法可以更好地保持超声图像的细节信息。(3)针对SAR图像降斑问题,提出了一种基于非下采样Contourlet变换的SAR图像降斑方法。该算法引入非对数加性模型,通过研究非下采样Contourlet域非对数加性噪声的分布特性,对非下采样Contourlet域中平稳区域的非对数加性噪声使用高斯分布建模,对高频系数用SURE-LET方法进行收缩。实验结果表明本文算法在有效滤除SAR图像同质区域内的斑点噪声的同时,能够较好地保持SAR图像的辐射特性及结构和纹理信息。(本文来源于《西安电子科技大学》期刊2012-03-01）
非下采样小波论文开题报告
（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：
图像融合在军事、医疗等领域有广泛的应用,图像融合技术是指采用特定的算法将两幅或者多幅图像融合成为一幅新的图像。针对离散小波变换图像融合算法中下采样环节在每次滤波后一半的系数被丢弃导致缺乏平移不变性,使得融合算法易受到源图像误配准影响的问题,提出了一种基于非下采样离散小波变换的图像融合算法,采用窗口融合规则,并对融合系数进行一致性检测,弥补下采样环节的不足,提高融合效果。通过对基于离散小波变换和基于非下采样离散小波算法的图像多聚焦融合仿真研究表明,非下采样离散小波变换算法具有平移不变性,而且具有较高融合图像互信息和峰值信噪比,融合效果优于离散小波变换图像融合算法。
（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。
非下采样小波论文参考文献
[1].刘冬梅,常发亮.基于非下采样轮廓小波变换增强的从粗到精的显着性检测[J].光学学报.2019
[2].郭凌鑫,袁丽英,王飞越.非下采样离散小波变换多聚焦图像融合[J].哈尔滨理工大学学报.2018
[3].殷向,马骏.小波包和非下采样轮廓波相结合的红外与可见光图像融合方法[J].激光杂志.2018
[4].刘晓倩.基于非下采样小波变换的图像去噪研究[D].辽宁师范大学.2015
[5].吴一全,宋昱.基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制[J].兵工学报.2015
[6].徐小军,王友仁,陈帅.基于下采样分数阶小波变换的图像融合新方法[J].仪器仪表学报.2014
[7].殷明,白瑞峰,邢燕,庞纪勇,魏远远.基于非下采样双树复小波域的双变量模型去噪算法[J].光子学报.2014
[8].宗靖国,秦翰林,何国经,袁胜春,刘德连.非下采样小波变换红外光谱数据去噪[J].强激光与粒子束.2013
[9].曹义亲,雷章明,黄晓生.基于区域的非下采样形态小波医学图像融合算法[J].计算机应用研究.2012
[10].周娇.基于小波变换与非下采样Contourlet变换的图像去噪方法研究[D].西安电子科技大学.2012
标签：机器视觉; 显着性检测; Retinex; 非下采样轮廓小波变换;