导读:本文包含了不可分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:目标检测,目标跟踪,图像分割,特征融合
不可分小波论文文献综述
郑凯凯[1]（2018）在《基于四通道不可分小波的均值漂移跟踪》一文中研究指出运动目标检测与跟踪作为计算机视觉的重要研究方向,由于其涉及图像处理、人工智能、自动控制、模式识别等多个计算机研究课题,且在军事制导与拦截,视频监控,智能交通,医疗诊断等多个领域有着广泛而重要的应用,成为了一个研究热点。而在各种复杂的环境中,如遮挡、光照变化,形变等,对目标进行精确的跟踪则让这个热点问题成为一个难点问题。一个能够兼顾跟踪的性能与效率,同时保证较强的适应性的跟踪算法成为研究的重难点。基于此问题,本文提出了一种基于四通道不可分小波的目标检测算法与跟踪算法。目标检测阶段,本文构造了适合目标检测的四通道不可分小波滤波器。同时,使用四通道不可分小波滤波器的各向同性特性,对原图像的灰度图进行不可分小波分解,利用得到的叁个高频子图进行图像融合,以增强高频图中边缘部分与其它部分的差别,便于阈值分割。对高频融合子图取阈值,以获取图像中目标边缘。利用对边缘图进行形态学处理结果进行图像分割,将目标与背景从图像中分离出来。目标跟踪阶段,本文提出了使用彩色图像的RGB分量中的有效分量的高频子图与低频子图进行特征融合跟踪。每隔若干帧,分别使用叁个颜色通道的高频子图与低频子图,进行均值漂移跟踪,根据跟踪结果,计算对应位置的相似度,选取相似度最高的颜色作为接下来若干帧中进行跟踪时使用的唯一颜色分量。跟踪时,对各颜色分量进行不可分小波分解,将低频子图与高频子图进行自适应权值的特征融合,以适应不同的情形。根据跟踪结果的图像分割结果,取目标区域的最小外接矩形作为下一帧的跟踪框大小。根据跟踪结果中高频与低频子图相似度比例,确定融合权值。本文通过实验结果,验证了优化后的算法在面对不同的条件下的适应性,并将其与自适应惯性权重调整的粒子群跟踪算法、使用特征空间选择的均值漂移跟踪算法进行对比。结果表明提出的方法在复杂情况下仍具有实时性与准确性。(本文来源于《湖北大学》期刊2018-04-23）
刘斌,肖惠勇[2]（2018）在《基于不可分小波变换与Zernike矩的印刷体汉字识别方法》一文中研究指出针对具有较高识别率,但计算量大,对噪声比较敏感的Zernike矩特征,提出一种结合不可分小波四通道分解方法与Zernike矩的特征提取方法。在对预处理后的文字图像进行一层不可分小波分解后,只取其中的低频子图,然后再计算该低频子图的Zernike矩,将其作为原图像特征,最后依据该特征进行识别分类。实验结果表明,对比于单纯计算原图像Zernike矩作为特征的方法,所提方法拥有相对较小的计算量,较好的抗噪性以及更高的识别率。同时,对比于最新发展起来的卷积神经网络识别法,所提方法拥有与其几乎相同的识别率以及相对较小的计算量。(本文来源于《计算机应用与软件》期刊2018年04期）
肖惠勇[3]（2018）在《基于六通道不可分小波的多光谱图像融合研究》一文中研究指出图像融合是采用一定的算法将多幅图片合成为一幅图像,使合成图像具有多方的特性,多光谱图像融合是其一分支,它将侧重于光谱信息的多光谱(MS)图像与侧重于空间分辨率的全色(PAN)图像整合,使融合图像能同时较好的保留住原图的光谱与空间细节信息,可以很好的解决多光谱图像因过分注重物体光谱信息而造成拍摄时低分辨率的问题。在多光谱图像融合的领域中,为使融合图像能最好的保存原图的光谱和空间信息,研究者们提出了许多融合算法,如IHS变换法、主成分分析法(PCA)、张量积小波(DWT)融合法等;其中IHS和小波变换是最具代表性的方法,其后的许多方法都是在它们的基础上发展得到的。IHS变换可以较好的保存空间细节信息;DWT方法所用张量积小波并不具有时不变性,造成合成图像产生了方块效应。不可分小波有很好的特性:可以同时具备紧支撑性、正交性以及对称性,它们有各向同性的特点,弥补了张量积小波在方向上缺失。因此,本文主要研究工作如下:本文提出了二维六通道不可分小波滤波器的构造方法,使用不依赖于伸缩矩阵的滤波器构造方法构造出了具有紧支撑性、对称性和正交性的滤波器。本文提出了基于IHS和六通道不可分小波变换互相结合的多光谱图像融合方法。该方法先将多光谱图像映射IHS空间;然后使用构造出的滤波器组对得到的亮度分量I和全色图像分别进行多层分解;然后,根据分解得到的子图的特性,对高频、低频子图分别采用合适的融合规则进行融合;之后,使用相应的重构滤波器组对融合结果图像进行重构,得到最终的融合图像;最后,通过视觉观测和客观指标对结果图像做评价与分析。实验结果表明,本文提出的方法有好的视觉效果,其保留MS图像的光谱信息能力和PAN图像的空间细节能力比经典的DWT方法,IHS-DWT方法,最新的直方图中轴化融合方法以及基于引导滤波和稀疏表示相结合的融合方法都要强;传统IHS方法的融合结果图像的光谱信息扭曲严重,与之相比,本文方法能更好的保持原图像的光谱信息;同时,本文方法在保持原图像的边缘信息能力上比上述五种方法都强。(本文来源于《湖北大学》期刊2018-04-08）
刘斌,郑凯凯[4]（2018）在《基于四通道不可分小波的均值漂移目标跟踪方法》一文中研究指出针对均值漂移跟踪算法中目标模型更新误差累计导致的后续跟踪误差变大,提出了一种基于四通道不可分小波的均值漂移目标跟踪方法。基于不可分小波对目标图像的分解,利用高频子图分割出准确的目标区域,将此区域的高频与低频特征值融合,进行均值漂移跟踪。在跟踪过程中使用基于目标轮廓的尺度与模型更新,并用子特征相关系数对目标特征模型进行自适应更新。结果表明提出的方法在跟踪场景和目标外观变化时具有实时性与准确性。与未进行图像分割的跟踪方法相比,提出的方法具有更好的跟踪精准度;与使用条件随机场(CRF)的跟踪方法相比,其具有更好的处理速度与精确性。(本文来源于《量子电子学报》期刊2018年01期）
刘斌,辛迦楠,谌文江[5]（2018）在《结合不可分小波分析和曲线拟合方法的图像对比度增强》一文中研究指出传统的图像对比度增强技术容易造成图像的局部区域过分增强或增强不足等问题,因此提出了一种结合不可分小波分析和曲线拟合的图像对比度增强方法。该方法以标准清晰图像的均值和标准差作为图像对比度增强的理想目标,首先对同一目标的标准清晰图像和低对比度图像进行四通道不可分小波分解,然后利用曲线拟合的预测能力得出分解后具有相同频率通道和相同方向子图像的均值之间及标准差之间的函数关系,通过该函数关系和直方图匹配公式即可得到理想的增强后的子图像,最后将这些新的子图像进行不可分小波重构,并采用清晰度、标准差指标对图像对比度增强结果进行评价。实验结果表明,所提方法所得低对比度图像的增强效果较好,且得到了高清晰度图像。(本文来源于《激光与光电子学进展》期刊2018年02期）
刘斌,高强[6]（2016）在《基于二维不可分小波变换的矩不变量》一文中研究指出寻找相对于尺度、平移、旋转不变的小波不变量是多尺度分析在模式识别中应用的关键性问题。该文利用基于统计的不变矩这一理论和应用上都比较成熟的方法,将图像有限个尺度的小波近似系数和图像不变矩联系起来,从而给出了一种小波矩不变量,得到了比较完善的理论和实验结果。同时指出了该理论方法在实际应用中所需注意的地方,最后简要阐述了多尺度分析与不变矩的应用关系。(本文来源于《电子与信息学报》期刊2016年08期）
张云霞[7]（2016）在《基于不可分小波变换的图像压缩方法研究》一文中研究指出随着因特网技术、多媒体技术的迅速发展,各类信息呈海量增长,图像作为多媒体技术中最主要的媒体,与我们的工作和生活紧密相关。由于表示图像所需的数据量大,因此实际应用中存在着海量数据与有限存储空间和网络带宽的矛盾,虽然可以通过增加网络带宽与存储容量来适当缓解这个矛盾,但图像数据的飞速增长使得这两种方式投资巨大却不能从根本上解决问题,因而,对图像数据进行有效压缩成了缓解这个矛盾的关键所在。图像压缩是通过去除图像数据中的冗余来实现的,图像压缩的方法有很多,其中,基于小波变换的压缩方法在近年来得到了迅速发展。小波变换是在傅里叶变换之后兴起的,由于其具备较好的时-频局部分析特性与符合人眼视觉系统的多分辨分析特性,较好的克服了 DCT变换中容易出现的"方块效应",提高了重构图像的质量,因此被广泛应用于图像压缩领域。在基于小波变换的各种编码技术中,基于嵌入式思想的零树小波编码方法较为常用,而其中最具代表性的便是由Shapiro等人提出的嵌入式零树小波(Embedded Zero-tree Wavelet,EZW)编码算法。EZW算法有效利用了小波系数之间存在的相似性,是一种简单高效的编码算法,其后出现的许多编码算法都是在EZW的基础上进行改进得到的。在基于小波变换的各类压缩算法中,都是基于二维可分小波即张量积小波,由于可分小波存在种类受限和弱方向性的缺点,因此不可分小波的研究逐渐成为人们关注的热点。相对于可分小波,不可分小波有其优势所在。首先,图像是二维信号,采用不可分小波是将图像信号作为一个整体来分析,能够获取图像各个方向的信息;其次,具有对称性的二维不可分小波用于图像的重构时不会产生失真;最后,二维不可分小波的构造不受一维小波种类的限制。首先,本文提出了一种适用于EZW算法的具有正交、紧支撑与对称性的二维不可分小波滤波器组的构造方法。经典EZW算法是基于可分离小波的,但Daubechies系列小波中只有Haar小波有对称性,而非对称的小波在图像重构时会产生失真,因此具有对称性的二维不可分小波滤波器组的构造在图像压缩中非常关键。其次,本文提出了一种基于二维不可分小波变换的图像压缩方法,即将基于可分小波的EZW算法推广到基于不可分小波变换的情况。首先,利用本文提出的适用于EZW算法的二维不可分小波滤波器组的构造方法构造了滤波器组。然后,对本文所提的基于不可分小波变换的EZW算法和经典的基于可分小波变换的EZW算法进行了仿真实验,实验结果表明,在本文方法保持压缩比比经典方法稍高的情况下,本文方法重构图像的视觉效果更好一些,且其客观评价指标峰值信噪比也较高,因此,本文提出的基于不可分小波变换的压缩方法的压缩效率要优于经典的采用可分小波变换的EZW算法的压缩效率。(本文来源于《湖北大学》期刊2016-05-01）
彭刚[8]（2015）在《基于不可分小波与方向滤波器的多光谱图像融合方法研究》一文中研究指出在上世纪多传感器提出及发展后,图像融合技术随着计算机信息技术的飞速发展也得到极大发展,其应用领域也变得越来越广泛。进入到新世纪后图像融合更是成为了热门的研究课题。图像融合在自动目标识别、机器视觉、遥感、机器人、复杂智能制造系统、医学图像等非军事领域和军事领域有着广泛的应用。图像融合一般分为像素级融合、特征级融合、决策级融合叁个层次。图像融合就是通过单一的传感器对同一场景、区域或同一目标的多次成像或者是多传感器对同一场景、区域或同一目标的成像,按照一定的规则进行处理得到一幅新的图像的技术。这样获得的图像或图像特征比单幅图像在各种指数或信息方面都更加准确、更加完整。因为单一传感器得到的图像在各方面的信息具有一定的差异性和局限性,而通过图像融合技术处理,可以将多个单一传感器获得的图像信息进行综合,这样可以将信息数据误差最小化,这样得到的图像信息将更加准确更加完善完整。对多个传感器信息的融合能获得同一场景或目标更全面、更准确、更可靠的信息,并且通过图像融合技术处理得到后的图像更适应于人或机器的视觉特性,这样再对图像结果进行进一步的深入处理就变得相对简单和易于操作了。对于应用于图像融合中的小波变换通常是指二维小波变换,一维小波变换通常用于一维信号变换,在图像融合领域小波变换已被广泛应用。二维小波变换中的二维小波一般是指传统二维张量积小波,其二维小波空间可以分解为两个一维小波空间的张量乘积。传统张量积小波在方向性上有缺失,它只能捕捉有限的方向信息,只能捕捉水平方向、垂直方向和对角线方向上的信息,而且传统张量积小波不能充分利用数据本身特有的特征,也不是最优的函数表示方法,方向性的缺失使得它不能充分地利用图像本身的几何正则性。非张量积小波对比张量积小波,其 发展远远落后,但现在非张量积小波滤波器设计已经成为人们研究的热点课题。非张量积小波对比张量积小波具有捕获所有方向的奇异性特点,这点很好弥补张量积小波方向性缺失的不足,并且它还拥有传统小波所有的多分辨率分析的能力。对比传统小波的低计算复杂度,非张量积小波的计算复杂度则是比较高的计算复杂度。用非张量积小波对图像进行小波变换,可以得到更多的高频信息,这样更有利于分析图像的细节信息。本文提出了基于不可分小波与方向滤波器的多光谱图像融合方法,根据二维非张量积小波滤波器组构造的理论和具体构造方法,重点研究和构造了基于伸缩矩阵为[2,0;0,2]的二维四通道不可分小波滤波器组的构造,将其和方向滤波器相结合对实验图像进行图像融合处理,融合过程中对分解的低频系数采用平均处理,对高频系数采用绝对值取大处理。另外采用传统IHS方法、IHS-WBCT方法和IHS-DWT方法在同一实验环境中对相同实验图像分别进行融合实验,对上述所有实验结果进行评价和分析,并进行比较。实验结果表明,本文提出方法与上述其它叁种方法相比,在保持图像空间分辨率信息的能力和保持图像较好的整体光谱信息的能力都要优于上述其它方法。(本文来源于《湖北大学》期刊2015-05-04）
郭良顺[9]（2015）在《一种基于不可分小波atrous算法的图像融合方法》一文中研究指出近年来,多传感器图像融合技术在机器视觉、遥感、医学、军事等领域得到了广泛的关注。多传感器图像融合是指将多个传感器采集的关于同一目标或场景的图像数据,根据某种算法进行适当的综合处理,产生一幅新的、满足某种需求的新图像。这样的图像是单传感器无法得到的。由于多传感器获取的图像间既存在冗余性又存在互补性,所以多传感器图像融合技术既可以提高系统的可靠性又可以提高图像信息的利用效率。目前,张量积小波和不可分小波变换等多分辨分析的方法在图像融合中有着广泛的应用,但也有其局限性。张量积小波是由一维小波通过张量积的形式生成的二维小波。由于一维小波的种类限制,张量积小波的种类也非常有限。在图像融合过程中,张量积小波只能获取横向和纵向两个方向的信息,捕捉的信息量也有限。而不可分小波则能弥补这一点。不可分小波是非张量积小波,不受张量积制约。只要设计出一组满足一定条件的滤波器组,就能获得相应的不可分小波。而且,不可分小波能获取多个方向的信息,在图像融合中能保持较高的空间分辨率。但其光谱信息有较大的偏差,且运算量也比较大。本文通过研究atrous小波理论和方法,提出了一种基于不可分小波的atrous算法的图像融合方法。本算法结合了 atrous小波能保持良好的光谱信息的特点,并且算法过程中不需要抽样和插值。我们用不可分小波的低通滤波器代替atrous小波的卷积算子来进行图像融合。本文从不可分小波出发,研究二通道和四通道不可分小波的基本理论和方法。虽然不可分小波在图像融合中能保持高空间分辨率,但是在光谱信息的保持程度上有所不足。所以本文利用了 atrous小波的平移不变性,提出的不可分小波的atrous算法能保持良好的纹理信息。实验表明,将不可分小波的atrous算法用于图像融合中,融合结果无论是在空间分辨率还是在光谱信息上都有很好的效果。此外,本文提出的基于不可分小波的atrous算法的图像融合方法也继承了 atrous小波算法简单、易行的特点。运行算法所需时间和空间也很小,易于编程实现。(本文来源于《湖北大学》期刊2015-05-04）
乔双梁[10]（2015）在《基于采样叁通道不可分小波的多光谱图像融合方法研究》一文中研究指出数字图像融合是利用传感技术对同一目标或场景的多次成像,按一定规则合成一副新图像的数字图像处理技术。结果图像能更好的反映原始图像的信息,综合描述了场景或目标,在计算机上更容易处理和视觉上的感知。数字图像融合的研究对象是图像的信息融合。众所周知,信息融合是对多原信息进行多角度、多层次的处理,从而达到准确的状态评估、身份评估和完整、及时的态势和威胁评估,能最大限度的描述目标或场景的完整性。随着传感技术和计算机处理技术的迅速发展,数字图像融合应用领域也越来越广泛,成为了当今的研究热点,应用领域主要包括在军事、医学影像,卫星云图,计算机视觉,人脸识别和计算机视觉等领域。目前,小波变换方法在图像融合中应用广泛,成为了图像融合中的研究核心之一。但是,由于张量积小波只能够捕捉到水平、垂直和对角线这有限方向的信息,不能充分体现图像自身特有的特性,并且,对方向利用的有限性会导致不能充分地利用图像本身的几何正则性,因此,张量积小波变换融合方法生成的新图像空间分辨率偏低且易产生方块效应。近年来,不可分离小波被提出,它解决了张量积小波方向性的缺失问题,实现了各向同性,并且其滤波器构造理论和方法更具一般性。叁通道不可分小波是一种基于伸缩矩阵为[2,1;-1,1]的不可分小波,其比四通道的不可分小波分解和重构时有更少的运算量,而对二通道不可分离小波而言,虽然其运算量有所增加,但是又由于二通道不可分小波的滤波器组除了对角线外,其他值均为零,滤波时会导致滤波信息丢失,为此,本文提出了叁通不可分小波融合方法的新的分解框架,并应用于多光谱图像融合。本文提出了一种基于采样叁通道不可分小波的多光谱图像融合方法,将采样方式与叁通道不可分离小波相结合并应用于多光谱图像融合。叁通道不可分小波是不可分小波中的一种,在叁通道不可分小波融合方法过程中,会将目标图像每一层都分解出一个低频信息和两个高频信息,通过大量实践证明了此方法的可行性和可靠性。此外,本文提出一种新的采样方式,对原图像提取了更多的有用信息,使得融合中能够获得更多的细节,提升了融合后新图像的各项性能。(本文来源于《湖北大学》期刊2015-05-04）
不可分小波论文开题报告
（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：
针对具有较高识别率,但计算量大,对噪声比较敏感的Zernike矩特征,提出一种结合不可分小波四通道分解方法与Zernike矩的特征提取方法。在对预处理后的文字图像进行一层不可分小波分解后,只取其中的低频子图,然后再计算该低频子图的Zernike矩,将其作为原图像特征,最后依据该特征进行识别分类。实验结果表明,对比于单纯计算原图像Zernike矩作为特征的方法,所提方法拥有相对较小的计算量,较好的抗噪性以及更高的识别率。同时,对比于最新发展起来的卷积神经网络识别法,所提方法拥有与其几乎相同的识别率以及相对较小的计算量。
（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。
不可分小波论文参考文献
[1].郑凯凯.基于四通道不可分小波的均值漂移跟踪[D].湖北大学.2018
[2].刘斌,肖惠勇.基于不可分小波变换与Zernike矩的印刷体汉字识别方法[J].计算机应用与软件.2018
[3].肖惠勇.基于六通道不可分小波的多光谱图像融合研究[D].湖北大学.2018
[4].刘斌,郑凯凯.基于四通道不可分小波的均值漂移目标跟踪方法[J].量子电子学报.2018
[5].刘斌,辛迦楠,谌文江.结合不可分小波分析和曲线拟合方法的图像对比度增强[J].激光与光电子学进展.2018
[6].刘斌,高强.基于二维不可分小波变换的矩不变量[J].电子与信息学报.2016
[7].张云霞.基于不可分小波变换的图像压缩方法研究[D].湖北大学.2016
[8].彭刚.基于不可分小波与方向滤波器的多光谱图像融合方法研究[D].湖北大学.2015
[9].郭良顺.一种基于不可分小波atrous算法的图像融合方法[D].湖北大学.2015
[10].乔双梁.基于采样叁通道不可分小波的多光谱图像融合方法研究[D].湖北大学.2015