导读:本文包含了天文图像压缩论文开题报告文献综述及选题提纲参考文献，主要关键词:天文图像压缩,天文图像去噪,压缩感知,小波变换
天文图像压缩论文文献综述
张杰[1]（2018）在《基于压缩感知的天文图像压缩及去噪重建算法研究》一文中研究指出随着航天科技事业的发展,人类为了拓展生存空间和寻找地外能源的需求也变得越来越迫切。深空探测已经成为当今世界各国目前和未来发展的重点。天文图像作为反映天文信息的直接工具,在深空探测中具有非常重要的作用。从获取的天文图像中可以直接获得很多的重要信息,如星体的地理环境,是否存在外星生命和水等。然而采集到的天文图像通常为高分辨率图像,经典的图像压缩方法由于很难获得较高的天文图像压缩比导致图像的传输时间较长。此外,天文图像在传输过程中经常受到宇宙噪声的干扰,在地面接收站接收到的图像通常含有大量的噪声,给天文图像的分析带来了困难。压缩感知(Compressed Sensing,CS)理论可以在信号采样的过程中实现信号的压缩,而且仅使用少量的压缩数据就可以完成信号的高质量重建。基于CS理论的优势,本文将其应用到天文图像压缩和去噪重建当中,并取得了以下研究成果:对CS理论的实现过程及压缩原理进行了介绍,并对CS理论的叁个主要部分:信号的稀疏表示、测量矩阵的选取以及重建算法的设计进行了详细地分析和研究。根据天文图像的特点,建立了天文图像重建模型,为后续CS重建算法的设计提供基础保障。对经典JPEG和JPEG2000天文图像压缩重建方法的压缩性能进行了分析,为了进一步提高天文图像的压缩效率,本文将CS理论应用到天文图像压缩当中,并对CS天文图像压缩重建算法进行了研究。为了提高迭代硬阈值(Iterative Hard Thresholding,IHT)算法的重建性能,使用结合天文图像特点的改进块稀疏全变差(Improved Block Sparse Total Variation,IBSTV)方法在迭代过程中对重建图像进行调整,进而提出了一种改进IHT(Modified IHT,MIHT)算法。将CS压缩重建算法:IHT算法、MIHT算法与基于人类视觉系统的的JPEG图像压缩(JPEG with Human Vision System,JPEG-HVS)算法、改进JPEG2000(IJPEG2000)算法对天文图像进行重建实验。实验结果表明,CS压缩重建算法能够花费相对较短的时间获得较优的天文图像压缩性能,充分验证了CS理论在高分辨率天文图像压缩中的优势。基于小波变换对CS天文图像去噪重建算法进行研究。针对IHT算法存在去噪效果不理想和收敛速度慢的缺陷,本文提出了一种基于小波变换的天文图像去噪重建算法。该算法首先使用提出的下降Visual Shrink阈值对天文图像小波系数进行筛选;随后使用设计的循环平移方法在迭代过程中对重建图像进行调整以抑制由于小波变换缺乏平移不变特性而导致重建天文图像出现的伪吉布斯现象,同时使用提出的基于CS的Dai-Yuan步长算子对重建算法的收敛速度进行调整。实验结果表明,该算法不仅具有较优的低噪声天文图像去噪重建性能,同时还具有较快的收敛速度。基于曲波变换对CS天文图像去噪重建算法进行研究。小波变换缺乏多方向性,导致很难对具有线或面奇异的高维数天文图像进行最优稀疏表示。目前较流行的多尺度几何分析方法能够对图像进行最稀疏表示,本文将其应用到CS天文图像去噪重建算法的设计当中。曲波(Curvelet)变换是一种非自适应多尺度几何分析方法,其具有比小波变换更优的稀疏性能。为了进一步提高基于TV和曲波的CS迭代收缩阈值(Iterative Shrink-Thresholding based on TV and Curvelet,ICT-TV)方法的去噪性能,本文提出了一种基于曲波变换的天文图像去噪重建算法。该算法使用提出的Curvelet维纳滤波算子替换ICT-TV算法中的硬阈值算子对天文图像的曲波系数进行筛选,并使用提出的基于Curvelet的TV(CTV)方法在迭代过程中对重建图像进行调整以进一步提高天文图像的重建质量。实验结果表明,该算法的天文图像去噪重建能力得到了一定的提高,可以从高噪声天文图像中重建一幅高质量的图像。基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)对CS天文图像去噪重建算法进行研究。曲波变换虽然具有较优的图像稀疏表示能力,但是其同样也不具有循环平移特性,在阈值去噪过程中会出现伪吉布斯效应。非自适应多尺度几何分析方法中的轮廓波变换不仅有效地解决了曲波变换的高冗余问题,同时具备曲波变换较优的稀疏表示能力。此外,NSCT具有小波变换、Curvelet变换和传统Contourlet变换所不具有的循环平移特性,在使用阈值方法对图像进行去噪处理时不会出现伪吉布斯效应。为了进一步提高基于NSCT的迭代软阈值(Iterative Soft Thresholding,IST)算法的天文图像去噪能力,本文提出了一种基于NSCT的天文图像去噪重建算法。该算法使用提出的改进Baye Shrink阈值对天文图像的NSCT系数进行筛选,同时更改了迭代停止条件以提高重建图像质量。实验结果表明,该算法提高了重建图像的峰值信噪比。当采样率(Sampling Ratio,SR)较低时,该算法可以花费较短的重建时间获得较优的高分辨率天文图像去噪能力。(本文来源于《哈尔滨工业大学》期刊2018-01-01）
李龙,代红兵,许骏[2]（2008）在《基于小波变换的图像压缩在天文远程观测中的应用研究》一文中研究指出在天文图像远程网络观测分析探讨的基础上,提出了一种适合远程网络观测技术的解决方案,同时给出关键算法及测试结果。该算法可以实现有损和无损压缩、感兴趣区域压缩,并能根据网络带宽的波动及时调整压缩率,将天文图像的有效信息及时传给远程观测者。远程观测者根据网络带宽接收图像码流进行选择性解码,把信息反馈给观测设备进行适当的调整或继续进行目标的观测。(本文来源于《天文研究与技术》期刊2008年04期）
李龙[3]（2008）在《适合于远程网络观测的天文图像压缩引擎研究》一文中研究指出本文主要介绍了2.4m望远镜远程网络观测图像压缩引擎中的小波压缩算法及软件设计。目前小波变换的理论还不完善,应用算法的速度、复杂度、压缩性能等方面还有不少缺陷。如何选择适当的小波基、设置合理的量化门限、运用快速算法、完善嵌入式码流结构图像压缩中显得尤为重要。实现天文图像的实时压缩是远程观测系统中亟待解决的难题,目前国内外使用的压缩技术都没有达到真正性能最佳,因此研制出适合于远程网络观测的天文图像实时压缩方法,具有重要理论意义和实用价值。天文图像分辨率高、空间局部相关性弱、信息量大、噪声高,压缩技术不仅要求大压缩比和低失真度,特别要求实时性好,可靠性高。在综合比较了国内外各种压缩算法、编码标准的基础上,选用基于小波变换的图像压缩算法作为本项目研究工作的基础。在国内外相关领域技术发展调研的基础上,提出了面向远程网络观测的天文图像压缩系统架构,研究了嵌入式零树编码算法,探讨了原始图像小波分解系数的特点。通过对标准EZW算法的分析,找出其存在的缺陷,并针对这些问题,在小波系数的合理组织、多门限量化电平的设置、扫描次数等方面进行了更深层次的研究,从理论上推导了不同分解尺度之间量化步长的成倍数关系。在算法实现的同时,介绍了如何利用SOCKET网络编程技术实现天文图像的远程网络观测控制。最后,对实验结果进行了分析讨论。(本文来源于《中国科学院研究生院（云南天文台）》期刊2008-05-01）
栗志,周卫红[4]（1996）在《数字图像压缩方法在天文上的应用》一文中研究指出概述了数字图像压缩技术在天文领域应用的必要性。针对天文观测的特点和研究的需要，经过研究、分析和比较，提出了天文图像压缩的可行方案。通过应用计算机编程及压缩实验并给出相应的结果。(本文来源于《天文学进展》期刊1996年03期）
天文图像压缩论文开题报告
（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：
在天文图像远程网络观测分析探讨的基础上,提出了一种适合远程网络观测技术的解决方案,同时给出关键算法及测试结果。该算法可以实现有损和无损压缩、感兴趣区域压缩,并能根据网络带宽的波动及时调整压缩率,将天文图像的有效信息及时传给远程观测者。远程观测者根据网络带宽接收图像码流进行选择性解码,把信息反馈给观测设备进行适当的调整或继续进行目标的观测。
（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。
天文图像压缩论文参考文献
[1].张杰.基于压缩感知的天文图像压缩及去噪重建算法研究[D].哈尔滨工业大学.2018
[2].李龙,代红兵,许骏.基于小波变换的图像压缩在天文远程观测中的应用研究[J].天文研究与技术.2008
[3].李龙.适合于远程网络观测的天文图像压缩引擎研究[D].中国科学院研究生院（云南天文台）.2008
[4].栗志,周卫红.数字图像压缩方法在天文上的应用[J].天文学进展.1996