导读:本文包含了图像奇异性论文开题报告文献综述及选题提纲参考文献，主要关键词:信号奇异性检测,图像边缘检测,插值小波,插值滤波器
图像奇异性论文文献综述
郑茜[1]（2018）在《基于插值小波的信号奇异性检测和图像边缘提取》一文中研究指出信号的奇异性作为信号处理中的重要研究对象,包含了信号的许多重要信息。而小波变换具有良好的时频分析能力,能够有效的检测出信号的突变点,因此在信号奇异性检测和图像边缘检测等领域得到广泛的应用。然而在经典检测算法中,应用小波变换进行奇异性检测时,获取小波系数通常需要利用离散积分替代连续积分。由于离散积分只能作为连续积分的近似表达,因此当采样数据密度较低时,这类方法往往会导致较大的计算误差,从而难以得到令人满意的检测效果。针对上述经典小波算法中的缺陷,本文尝试将插值小波应用于一维信号奇异性检测和二维信号图像边缘检测,从而避免使用离散积分的方法来获取小波系数,在减小计算误差的基础上获得更好的检测效果。本文的主要工作如下:(1)研究了插值小波的特性和插值小波对偶滤波器的构建方法,在此基础上构建出六阶B-样条小波对应的插值滤波器序列,并将其应用于后续的仿真实验中。(2)深入分析了经典小波检测算法中,图像分辨率与检测精度之间的关系。并根据仿真实验结果和理论分析,讨论经典小波算法中存在的缺陷,最终确定算法的优化方案。(3)基于插值小波采样理论中,插值小波系数为信号采样值的特殊性质,将对偶插值滤波器与一维Mallat塔式分解算法结合起来,提出一种新的信号奇异性检测算法。该算法不需要通过信号与小波函数作内积来求取小波系数,而是利用插值小波的特殊性质根据信号采样值直接获得小波系数,因此大大简化了小波系数的计算过程,并且有效提高了小波系数的精度。(4)研究了图像在插值小波条件下的数学化模型,进一步研究插值小波和插值滤波器与二维Mallat塔式分解算法的结合过程,进而提出一种新的图像边缘检测算法。该算法通过插值对偶滤波器序列,即可直接由图像像素矩阵获得定位准确、连续完整的边缘图像。(5)将本课题算法与其他检测算法进行对比实验,对实验结果分别进行定性和定量分析。最终结果表明,本文方法能够获得更加优异的检测效果,验证了该算法的有效性和优越性。本课题完成了插值小波在信号奇异性检测和图像边缘检测中的应用研究,对信号处理和图像处理具有一定的参考价值。(本文来源于《电子科技大学》期刊2018-05-08）
郑玮[2]（2016）在《图像奇异性表征机理分析比较》一文中研究指出图像奇异性包含的许多重要信息对于图像的进一步分析具有重要作用。对于图像中的不同奇异性通常需要采用不同的方法表示。小波变换和曲波变换作为稀疏表示中的重要方法,具有广泛的应用。分析了小波变换和曲波变换对于图像奇异性表证的不同效果。实验结果和理论分析均表明小波变换对于图像中的点奇异性具有很好效果,但对于线奇异性表示则不够稀疏,曲波则可以高效地表示图像边缘的曲线奇异性。(本文来源于《金陵科技学院学报》期刊2016年02期）
祝大伟[3]（2015）在《流场奇异性分析及其在图像灰斑失真检测的应用》一文中研究指出随着监控视频集群数量的日益增长，视频信息已广泛应用于人类的日常生产和生活中。基于视频信息的上层应用好比决策过程，应用质量的好坏直接取决于视频质量好坏。然而，由于受到视频获取设备所处环境的影响，灰斑失真会导致视频质量的退化。因此，对视频灰斑失真的检测成为目前的当务之急。本文基于流场奇异性分析给出了有效的无参考视频灰斑失真检测方案。本文首先借助于灰斑光学模型分析了监控视频灰斑失真形成的原因，依据灰斑的空域和时域不变性，初步探索了灰斑与光流奇异性之间的关系。接着对比分析了几种常见的光流算法，依据算法的准确性和耗时性来确定本文将采用的光流算法，并在此基础上，结合Matlab编程环境给出一种降低光流算法运行时间的方案。然后，融合流场和奇异性给出了两种常规的流场奇异性模型：点奇异性模型和线奇异性模型。根据奇异性流场幅度和方向呈现的极化现象，结合经典的图像处理算法对流场奇异性进行了简要分析，为后续灰斑失真检测奠定基础和研究方向。最后，对比分析光流场的幅度信息和方向信息，依据信息完整性确定光流方向作为灰斑失真检测的引导信息，并基于局部邻域方向场的完整性校正了易错的方向信息。在此基础上，结合前述流场奇异性分析实现对灰斑失真的粗糙检测，继而，通过引入时域投票机制和灰斑颜色空间特性完成对灰斑失真的准确检测。通过实验数据分析表明了本文提出的方案具有一定的可行性和应用价值。(本文来源于《武汉科技大学》期刊2015-05-20）
孙永宣,谢昭,高隽[4]（2013）在《图像奇异性检测的核分类新方法》一文中研究指出利用数据空间中的奇异点可有效提升判别的准确性,关注于如何有效检测并选择奇异点,在独立子空间分析(ISA)中进行近邻传播(AP)聚类分析,形成一种无参密度估计下的新的奇异点检测方法,与支持向量机(SVM)的支持向量类似,得到新的核分类器用于分类任务。该方法可有效检测原始数据空间分布下的奇异点,实现样本选择,并可用于图像分类,图像检索等具体视觉任务。实验表明,图像奇异性检测的核方法,优于当前主流特征表示与学习方法,同时,也验证了奇异性图像检测过程可有效提升分类准确率的结论。(本文来源于《光学学报》期刊2013年10期）
李红巧[5]（2010）在《基于图像奇异性的多尺度变换图像去噪方法的研究》一文中研究指出随着图像信息的日益普及,图像在很多领域都有着非常重要的作用。但是图像在采集、获取以及传输的过程中,往往要受到不同噪声和不同程度的污染,为了后续更高层次的处理,很有必要对图像进行去噪预处理。小波理论迅速发展,以其良好的时频局部化特性,为解决降低噪声的同时能够很好地保留图像细节提供了良好的工具。小波变换能够很好地刻画信号的非平稳特性,如:边缘、尖峰、断点等,这便于图像特征的提取。此外小波变换还具有低熵性、去相关性、多分辨性和选择基的灵活性等特点。充分利用这些特点,在小波变换域中能够十分有效地将噪声和信号区别开来。曲波变换不仅具有多尺度的特性,而且由于引入了一个方向参量,而使它具有各向异性的特征,对线条状特征有着良好的表征。对于二维图像而言,边缘、轮廓等线条特征恰恰包含了最重要的信息,这使得曲波变换在数字图像处理领域中有着良好的表现。图像去噪是图像处理和分析的基本问题,如何从数字图像中尽可能多地去除噪声,而保留更多的图像重要信息一直是研究人员广泛关注的问题。目前,由于小波变换和曲波变换在分析图像奇异性方面的独特优势,而被人们广泛的重视。本文所做的主要工作如下:(1)在小波阈值图像去噪方法的基础上,对小波系数进行相应的调整。该方法是先对小波变换后叁个子带中绝对值小于阈值且是叁个子带中绝对值最大的高频小波系数进行自适应的调整,后进行图像阈值去噪。其中调整的百分比与图像的高频系数和阈值有关。(2)针对传统图像去噪方法的不足,即:传统图像去噪方法,在利用小波变换去除噪声的过程中没有很好地考虑图像边缘的处理,从而使处理后图像效果存在一定程度的边缘模糊现象。本文在Donoho小波阈值去噪方法的基础上提出了一种基于图像边缘保护的图像去噪新方法。该方法首先对图像边缘进行提取保护处理,后进行图像去噪。(3)利用小波变换和曲波变换在处理点奇异和曲线奇异方面的独特优势,提出了小波和曲波联合的图像去噪方法。该方法首先分别采用小波变换和曲波变换对图像进行去噪,后根据小波变换和曲波变换的权重系数,来进行联合重构。其中权重系数与图像的奇异特性有关。(本文来源于《江西科技师范学院》期刊2010-05-25）
王敏,张艳宁,孙瑾秋[6]（2009）在《基于线奇异性分析的图像边缘检测方法》一文中研究指出针对基于图像像素点分析的边缘提取方法存在无法同时满足高抑噪性、连续性、定位性等问题,本文提出了方向Beamle变换(DBT)方法,在定义图像线奇异性的理论基础上,利用DBT对图像进行线奇异性分析,依据Beamlet变换具有的线段提取能力,将图像边缘检测问题转化为方向Beamlet变换系数矩阵中奇异点的检测问题,以降低噪声点对边缘检测结果的影响。通过对人工图像以及SAR图像的实验,与经典边缘检测算子相比较,验证了本方法具有较强的抗噪性,特别是针对直线边缘,在抑制噪声影响的同时保证了线状边缘的直线连接性,抗噪性较强。(本文来源于《光电工程》期刊2009年10期）
彭复员,杨国良,李旭涛[7]（2008）在《基于增量特征和局部奇异性的水下图像分割法》一文中研究指出针对深海叁类典型的纹理:热液、岩石和海水,提出了一种新的基于增量特征和局部奇异性的水下图像分割方法.定义了一种新的增量特征s(d),反映像素点由小尺度到大尺度变化的剧烈程度;利用二维小波变换分析图像局部奇异性,并结合多项式拟合的方法提取奇异性特征P;最后根据s(d)和P组成特征矢量,结合k均值聚类方法,对图像进行分割.实验结果表明该方法能有效地分割出上述叁类纹理.(本文来源于《华中科技大学学报(自然科学版)》期刊2008年02期）
王刚,肖亮,贺安之[8]（2007）在《改进的多重分形图像奇异性分析算法》一文中研究指出为了准确地研究图像奇异性以及各部分的属性及特征,采用一种基于亚像素边缘测度的多重分形算法,该算法根据方形孔径采样定理计算亚像素位置的梯度面密度函数值和图像任意子集(半径可以达到亚像素精度)的边缘测度,进而利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合。并利用含有不同信息含量的分形集合重建原图像算法,实现了图像从纹理到边缘各层面内容的精确划分。对该算法进行了理论分析和实验验证,得到3×3亚像素方法提取的边缘信息重构原图像,其峰值信噪比达到14.76dB。结果表明,重建图像峰值信噪比主要依赖于所提取的边缘信息质量以及重构系数比,提取的各层面信息与人类的视觉系统所捕获的重要信息相吻合。(本文来源于《激光技术》期刊2007年06期）
王玉富[9]（2006）在《小波分析用于医学图像的奇异性检测》一文中研究指出小波变换是近10多年来发展起来的一门新兴学科，是一种信号的时间—尺度分析方法，它具有多分辨率的特点，而且在时频两域都具有表征信号局部特征的能力。由于其在信号处理领域表现出的优异性能，目前其在图像处理、信号滤波、时频分析、多尺度分析等方面得到了广泛的应用。在生物医学领域，其主要应用于信号检测、特征提取、图像处理、信号压缩等方面。 医学图像包含了大量的病理信息，对临床的诊断和治疗具有非常重要的意义。医学图像的计算机处理一直是国内外学者的研究热点。因此，探求新的更加精确的快速的计算机自动处理和诊断是非常有意义的。 医学图像处理的任务主要有图像的预处理，如分解、消噪、增强、压缩、特征提取、图像配准与融合和叁维重建等。本文研究的主要内容就是探求图像的预处理的新方法，期望为下一步的更为复杂的处理如叁维重建，打下基础，为临床诊断和治疗提供一个新的科学手段。医学图像处理可以归类于数字图像处理的范畴，因此可以应用数字图像处理的常规方法来对之进行处理，但是医学图像又具有自己的特点，常规的方法往往达不到理想的处理结果。因此，本文引入了新的小波分析的方法对主动脉夹层CT图像进行处理。 本论文在选择适当的小波基的情况下，运用小波变换的理论对主动脉夹层CT图像进行了多尺度分解；利用软阈值处理方法对该CT图像成功进行了消噪处理；通过改变小波域中某些系数的大小对该CT图像成功进行了增强处理；利用MATLAB软件中的wdencmp函数对该CT图像成功进行了压缩；利用模极大值和边缘点之间的关系，结合改进的多孔算法进行图像的边缘提取，并对提取的初始边缘做边缘的跟踪补偿，最终得到较为理想的边缘图像。另外，本论文还用小波变换对图像的边缘失真进行了处理，对称延拓模式相对处理较好。(本文来源于《山东大学》期刊2006-03-20）
钟玲[10]（2006）在《基于小波变换的图像纹理奇异性检测方法的研究》一文中研究指出介绍了一种用于图像纹理奇异性检测的二维数字滤波器的设计,该滤波器是基于离散小波变换设计的。它具有纹理树状结构的多分辨分析特性。用一阶及二阶的微分方法进行奇异点的估计与合并,可应用于图像纹理奇异性检测。(本文来源于《电脑知识与技术》期刊2006年08期）
图像奇异性论文开题报告
（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：
图像奇异性包含的许多重要信息对于图像的进一步分析具有重要作用。对于图像中的不同奇异性通常需要采用不同的方法表示。小波变换和曲波变换作为稀疏表示中的重要方法,具有广泛的应用。分析了小波变换和曲波变换对于图像奇异性表证的不同效果。实验结果和理论分析均表明小波变换对于图像中的点奇异性具有很好效果,但对于线奇异性表示则不够稀疏,曲波则可以高效地表示图像边缘的曲线奇异性。
（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。
图像奇异性论文参考文献
[1].郑茜.基于插值小波的信号奇异性检测和图像边缘提取[D].电子科技大学.2018
[2].郑玮.图像奇异性表征机理分析比较[J].金陵科技学院学报.2016
[3].祝大伟.流场奇异性分析及其在图像灰斑失真检测的应用[D].武汉科技大学.2015
[4].孙永宣,谢昭,高隽.图像奇异性检测的核分类新方法[J].光学学报.2013
[5].李红巧.基于图像奇异性的多尺度变换图像去噪方法的研究[D].江西科技师范学院.2010
[6].王敏,张艳宁,孙瑾秋.基于线奇异性分析的图像边缘检测方法[J].光电工程.2009
[7].彭复员,杨国良,李旭涛.基于增量特征和局部奇异性的水下图像分割法[J].华中科技大学学报(自然科学版).2008
[8].王刚,肖亮,贺安之.改进的多重分形图像奇异性分析算法[J].激光技术.2007
[9].王玉富.小波分析用于医学图像的奇异性检测[D].山东大学.2006
[10].钟玲.基于小波变换的图像纹理奇异性检测方法的研究[J].电脑知识与技术.2006