导读:本文包含了自适应形态学论文开题报告文献综述及选题提纲参考文献，主要关键词:钢轨边缘检测,异物入侵,多尺度多方向,自适应滤波
自适应形态学论文文献综述
郭栋鸿,谭丽,温润[1]（2019）在《基于MMSE的自适应灰度形态学钢轨边缘检测算法》一文中研究指出钢轨边缘检测是铁路轨道异物入侵检测的关键技术,针对钢轨图像在采集过程中经常受到不同程度的噪声影响,以及传统边缘检测算法难以准确检测到钢轨边缘的问题,提出了一种基于MMSE (Multi-scale Multi-direction Structural Elements)的自适应灰度形态学钢轨边缘检测算法.首先根据轨道图像的噪声特点,使用多尺度结构元素的形态学滤波算法对轨道图像进行自适应滤波操作,实现钢轨边缘的增强和噪声的抑制;然后对滤波后的轨道图像使用多方向自适应灰度形态学边缘检测算子进行钢轨边缘检测.实验结果表明:该算法不仅有效滤除了采集图像中的噪声,而且能够较准确地检测到轨道图像中的钢轨边缘.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
罗山,张冬梅[2]（2018）在《基于自适应阈值和形态学的改进分水岭分割算法》一文中研究指出针对分水岭图像分割算法对噪声比较敏感和过度分割现象,提出一种自适应阈值与数学形态学相结合的改进分水岭分割算法。首先进行中值滤波、计算梯度,然后进行数学形态学处理、自适应阈值分割,最后对前述处理的图像运用分水岭算法实现精确分割。实验结果表明,该方法具有很强的噪声抑制能力,较好地削弱了过分割现象,实现精确分割。(本文来源于《山西电子技术》期刊2018年06期）
张双龙[3]（2018）在《基于改进自适应形态学方法的风电机组滚动轴承故障诊断研究》一文中研究指出随着社会经济的不断发展,环境保护越来越得到世界各国的重视,人们在减少煤、石油、天然气等非再生能源使用量的同时逐步采用清洁能源来代替,这使得风力发电行业在这一背景下快速兴起并进入稳步增长的新常态。在我国,新能源发展更为迫切,随着风力发电技术的迅速提高,风电机组的单机容量不断增大,风电在电力市场中所占比例不断上升。随之而来的风机的复杂程度和成本的增加,加上风电场本身恶劣的环境条件,大大提升了风力发电的成本。因此,开展风电机组的状态监测与故障诊断方法的研究,对减少机组运维成本,提高机组运行经济效益,具有非常重要的意义。振动信号作为传动链故障特征信息的载体,如何从振动数据中有效提取能够有效反映风电机组传动链的运行状态的信号,对于风机故障诊断研究尤其重要。本文以风电机组滚动轴承为研究对象,提出一种基于复合结构元素的数学形态学方法和谱相关分析相结合的故障诊断算法。主要研究内容如下:(1)针对风电机组中旋转机械振动信号呈现的非线性、非稳定等特性,提出一种基于数学形态学叁角结构元素高度自适应和开闭算子自适应的滚动轴承故障诊断改进方法。该方法以西储大学数据为研究对象,通过基于信号的叁角结构元素和非单一形态学开闭运算对已知故障信号进行训练,得到各故障类型叁角结构元素高的平均值和最优加权因子的平均值。之后将所得运用到未知信号进行类似形态学处理,经过快速傅里叶变换得到未知检验信号和训练信号的形态谱并一一进行相关分析,最终根据相关系数的大小识别并确定信号故障类别。该方法验证了自适应开闭组合算子在故障特征提取中的有效性,但针对个别故障类型依然存在结果被干扰的现象。(2)针对上述改进算法的仿真结果存在干扰项的情况,根据信号本身的特性,引入复合结构元素的概念,提出一种W新型结构元素,对上述结构元素高度自适应和开闭算子自适应的形态学算法加以改进,经过仿真实验,结果显示,干扰情况得以明显改善。(3)将改进的自适应数学形态学算法应用到实际风机案例中进行实验,结果表明该方法能有效提取信号中的故障特征,相比传统的数学形态学算法具有更高的识别率和可靠性。(本文来源于《内蒙古工业大学》期刊2018-06-01）
白瑞雪[4]（2018）在《彩色自适应数学形态学研究与应用》一文中研究指出数学形态学以其简单高效的思想和严谨的理论基础,而被用于图像处理的各个方面,包括边缘提取、特征检测、图像滤波、图像增强、区域分割、和图像复原等。而结构元素的选取是数学形态学的关键,经典形态学中由于结构元素的大小和形状均固定,往往导致处理效果达不到要求,所以自适应数学形态学就成了研究的热点。此外随着通讯工具的发展,包含更多信息的彩色图像已逐渐取代二值图像与灰度图像成为日常生活常用的图像,然而彩色图像像素点为矢量,在将数学形态学扩展到彩色图像处理时有一定难度。本文提出了基于自动阈值的彩色自适应形态学,通过对归一化权值的定义和距离参数的引入创立了自动阈值选取准则,提出了一种称为差值排序的新矢量排序方法,通过定义细节损失率提出了一种来衡量形态学基本算子处理后图像细节保留程度的评价方法,弥补了彩色形态学算子缺乏评价指标的空白。本文通过定义彩色像素点相对于待处理像素点的归一化权值来衡量图像区域的局部特征,并引入距离参数将像素点间的距离对结构元素的影响纳入考虑,使阈值不仅能自适应的根据图像局部特征还能随着像素点间的距离自行调整,在自动阈值限定条件下选取结构元素,使结构元素能自适应的调整其形状及大小。提出了差值排序,该排序方法可自行调节主分量且不会产生新的色彩分量,不会造成因主分量选取不同导致对图像各个颜色处理不均衡。然后定义了基于自动阈值的彩色自适应形态学膨胀、腐蚀、开启、闭合,并将本文定义的形态学基本算子与经典形态学基本算子以及现有彩色自适应形态学基本算子进行了对比,从实验结果来看,本文算子在保留图像细节和减少图像颜色波动方面要优于其他算子。为了从客观角度对本文定义的基于自动阈值的形态学基本算子和经典形态学算子以及现有的彩色自适应形态学算子处理结果进行评价,本文首先引入了盲图质量评价体系对处理后图像的整体质量进行评价,然后提出了细节损失率的概念来对处理后图像的局部质量进行评价,从图像整体质量和局部质量两方面验证了基于自动阈值形态学算子的优越性。本文还把定义的基于阈值的彩色自适应形态学应用到了彩色图像的边缘提取中,结果表明利用本文提出的基于自动阈值的彩色自适应形态学无论是在图像内边缘、外边缘还是梯度边缘提取中都要优于经典数学形态学,不仅能提取出更多边缘,尤其是在提取图像细节边缘的时候,对图像的处理更加细致。(本文来源于《西安电子科技大学》期刊2018-06-01）
齐咏生,张双龙,高胜利,李永亭,王林[5]（2018）在《基于自适应数学形态学的滚动轴承故障诊断方法》一文中研究指出作为一种非线性信号处理方法,数学形态学法对信号的特征提取完全在时域中进行,与其他非线性非平稳的信号处理方法相比,它具有幅值不偏移、不衰减等显着优点.基于此,提出一种自适应的数学形态学和谱相关分析相结合的轴承故障诊断方法.该方法通过基于信号的叁角结构元素和非单一形态学开闭运算对已知故障信号加以训练,自适应得到各故障类型的结构元素高和最优开闭运算加权因子,构建形态学模型;之后将测试信号通过形态学模型进行特征提取,并与训练信号进行频域内相关性分析;最终根据相关系数大小识别故障.以西储大学轴承故障数据为例,表明了该方法不仅能识别出不同类型的故障,而且还能识别不同损伤等级的故障,相比传统的方法识别率和可靠性有所提高.(本文来源于《大连理工大学学报》期刊2018年03期）
文永革[6]（2018）在《一种自适应加权的灰度形态学图像滤波算法》一文中研究指出数学形态学滤波属于非线性滤波,针对传统的线性滤波对图像边缘等细节特征容易模糊的缺点,本文提出一种基于灰度形态学的自适应加权复合滤波优化算法,采用凸性多尺度结构元素对灰度图像进行多级形态开闭运算,根据形态滤波等幂特性,实现结构元素序列的自适应加权复合滤波,并对滤波效果进行PSNR评价,实验仿真结果表明该复合滤波算法在保留图像细节特征的同时能有效去除噪声,提高了图像信噪比.(本文来源于《绵阳师范学院学报》期刊2018年05期）
徐佳德,单德山[7]（2018）在《桥梁结构动力测试信号的自适应形态学滤波研究》一文中研究指出桥梁健康监测数据中不可避免地会掺杂系统噪声和测试噪声,噪声的存在将严重影响桥梁状态评估的准确性。为了抑制噪声对桥梁状态评估的影响,获得精确的桥梁状态评估结果,本文提出了一种自适应的形态学滤波器(Adaptive Morphological Filter,AMF)。首先比选了AMF的各类结构元素类型,并依据AMF对信号傅里叶谱相对幅值的影响程度确定适宜的结构元素尺寸,据此构建滤波器。实现原始信号的自适应滤波后,用确定-随机子空间识别方法对原始数据和滤波后数据的模态参数进行识别,并使用稳定图法对滤波效果进行对比。以大比尺斜拉桥模型试验的测试数据为支撑对所提算法进行了验证。结果表明,AMF可显着提高桥梁模态参数识别结果的稳定性,并能挖掘出被噪声淹没的高阶桥梁模态参数。(本文来源于《铁道建筑》期刊2018年04期）
陈斐然,李浩,易航,孙辉[8]（2018）在《一种自适应数学形态学激光点云滤波方法》一文中研究指出点云滤波是机载激光雷达(Li DAR)数据处理中的关键环节。该文就数学形态学滤波方法在坡度参数与高差阈值选取上的不足,提出了一种自适应数学形态学滤波方法。该方法首先由点云建立规则格网并使用当前区域坡度的平均值预测地形坡度参数,然后根据高差阈值与点云密度间的关系对高差阈值的选取进行优化改进,从而进行渐进式形态学滤波得到最终地面点。采用国际摄影测量与遥感学会(ISPRS)所提供的典型地形点云数据进行实验验证,结果显示该文改进滤波算法能更好的区分地面点和地物点,并且能有效降低总误差。(本文来源于《勘察科学技术》期刊2018年02期）
王建东,王梦奇,李延忠,马增强[9]（2018）在《一种自适应调整参数的形态学滤波新方法》一文中研究指出针对形态学滤波在处理含有大量噪声的机械振动信号中结构元素长度不能自适应调整的问题,提出了一种可自适应调整结构元素长度的形态学滤波新方法。结构元素长度的不同会导致对信号特征提取效果的不同。该方法通过以峭度值为指标,找寻出使峭度值最大的一系列结构元素长度。然后通过计算不同长度滤波后信号的冲击特征比值,找寻出使故障特征最突出、最明显的结构元素长度。以此长度为最优长度对信号进行滤波,能够较好地提取出滚动轴承的故障特征,找到故障特征频率。通过实验台信号验证了所述方法的有效性和优点。(本文来源于《石家庄铁道大学学报(自然科学版)》期刊2018年01期）
戴丹,张兴刚[10]（2018）在《基于权重自适应形态学的周期性噪声去除方法》一文中研究指出针对去除周期性噪声的同时容易造成图像的失真或降噪效果不理想的问题,提出了一种基于权重自适应形态学的周期性噪声去除方法。该方法使用不同尺度的结构元素对图像的周期性噪声进行串行处理,再将串行处理的结果并行处理,并通过自适应权值算法来构建复合级联滤波器,使用该滤波器滤除图像的周期性噪声。为了验证该算法的去噪性能,对周期性噪声及混合噪声进行了常用去噪算法的对比性实验。结果表明,视觉上,使用该算法去噪后的图像去噪效果较好且图像边缘和细节比较清晰;定量评价标准上,使用该算法去噪后的图像的PSNR和SSIM都较高。因此,该算法有效地抑制了图像中的周期性噪声,同时较好地保持了图像的几何特征,具有更好的鲁棒性。(本文来源于《计算机技术与发展》期刊2018年05期）
自适应形态学论文开题报告
（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：
针对分水岭图像分割算法对噪声比较敏感和过度分割现象,提出一种自适应阈值与数学形态学相结合的改进分水岭分割算法。首先进行中值滤波、计算梯度,然后进行数学形态学处理、自适应阈值分割,最后对前述处理的图像运用分水岭算法实现精确分割。实验结果表明,该方法具有很强的噪声抑制能力,较好地削弱了过分割现象,实现精确分割。
（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。
自适应形态学论文参考文献
[1].郭栋鸿,谭丽,温润.基于MMSE的自适应灰度形态学钢轨边缘检测算法[J].云南大学学报(自然科学版).2019
[2].罗山,张冬梅.基于自适应阈值和形态学的改进分水岭分割算法[J].山西电子技术.2018
[3].张双龙.基于改进自适应形态学方法的风电机组滚动轴承故障诊断研究[D].内蒙古工业大学.2018
[4].白瑞雪.彩色自适应数学形态学研究与应用[D].西安电子科技大学.2018
[5].齐咏生,张双龙,高胜利,李永亭,王林.基于自适应数学形态学的滚动轴承故障诊断方法[J].大连理工大学学报.2018
[6].文永革.一种自适应加权的灰度形态学图像滤波算法[J].绵阳师范学院学报.2018
[7].徐佳德,单德山.桥梁结构动力测试信号的自适应形态学滤波研究[J].铁道建筑.2018
[8].陈斐然,李浩,易航,孙辉.一种自适应数学形态学激光点云滤波方法[J].勘察科学技术.2018
[9].王建东,王梦奇,李延忠,马增强.一种自适应调整参数的形态学滤波新方法[J].石家庄铁道大学学报(自然科学版).2018
[10].戴丹,张兴刚.基于权重自适应形态学的周期性噪声去除方法[J].计算机技术与发展.2018